python 正在表达式获取<li>共 <span class="color">6,753</span> 条记录</li>中的6,753

同样可以使用正则表达式来提取这个字符串中的数字`6,753`。具体来说，可以先匹配`<li>`标签和`</li>`标签之间的内容，然后再从中提取数字部分。示例如下：

import re

s = '<li>共 <span class="color">6,753</span> 条记录</li>'
match = re.search(r'<li>.*?<span.*?>([\d,]+)</span>.*?</li>', s)
if match:
    num_str = match.group(1)
    num = int(num_str.replace(',', ''))
    print(num)  # 输出6,753
else:
    print('未找到匹配的字符串')

解释一下正则表达式的含义：

- `<li>`：匹配`<li>`标签；
- `.*?`：匹配任意字符，非贪婪模式，即尽可能少地匹配；
- `<span.*?>`：匹配`<span>`标签，其中`.*?`表示匹配`<span>`标签中的任意属性；
- `([\d,]+)`：匹配数字和逗号，其中`[\d,]`表示数字和逗号的字符集，`+`表示匹配一个或多个字符，并将其保存在分组中；
- `</span>`：匹配`</span>`标签；
- `.*?`：同上；
- `</li>`：匹配`</li>`标签。

相关问题

python 正在表达式获取<li>共&nbsp;<span class="color">6,753</span>&nbsp;条记录</li>中的6

可以使用正则表达式来提取这个字符串中的数字6。具体来说，可以先匹配`<li>`标签和`</li>`标签之间的内容，然后再从中提取数字部分。示例如下：

import re

s = '<li>共&nbsp;<span  class="color">6,753</span>&nbsp;条记录</li>'
match = re.search(r'<li>.*?([\d,]+).*?</li>', s)
if match:
    num_str = match.group(1)
    num = int(num_str.replace(',', ''))
    print(num)  # 输出6,753对应的数字6,753
else:
    print('未找到匹配的字符串')

从下面一段HTML语句中提取出所有赛题和发布时间 <li> <a href="/plus/view.php?aid=356">航班座位自动分配系统</a> <span>2019-03-27</span> <div class="clear"></div> </li> <li> <a href="/plus/view.php?aid=346">车牌识别软件的设计与开发</a> <span>2019-03-05</span> <div class="clear"></div> </li>

好的，我可以使用 Python 中的 re 模块来实现这个功能。下面是代码示例：

import re

html = '<li>  <a href="/plus/view.php?aid=356">航班座位自动分配系统</a>  <span>2019-03-27</span>  <div class="clear"></div>  </li>   <li>  <a href="/plus/view.php?aid=346">车牌识别软件的设计与开发</a>  <span>2019-03-05</span>  <div class="clear"></div>  </li>'
pattern = r'<li>\s*<a\s+href="[^"]*"\s*>\s*([^<]*)\s*</a>\s*<span>\s*([^<]*)\s*</span>\s*<div\s+class="clear"></div>\s*</li>'
matches = re.findall(pattern, html)
if matches:
    for match in matches:
        print("赛题：", match[0])
        print("发布时间：", match[1])
        print()
else:
    print("未能匹配到赛题和发布时间信息")

输出结果为：

赛题： 航班座位自动分配系统
发布时间： 2019-03-27

赛题： 车牌识别软件的设计与开发
发布时间： 2019-03-05

解释一下代码：首先定义了一个字符串 `html`，里面包含了一些 HTML 代码，其中我们要提取出所有赛题和发布时间。然后使用正则表达式 `r'<li>\s*<a\s+href="[^"]*"\s*>\s*([^<]*)\s*</a>\s*<span>\s*([^<]*)\s*</span>\s*<div\s+class="clear"></div>\s*</li>'` 定义了一个模式，意思是匹配以 "<li>" 开头，后面跟着一些空白字符，然后是一个 "<a>" 标签，接着是一些空白字符，然后是赛题名称，再然后是一些空白字符，然后是 "</a>" 标签，接着是一些空白字符，然后是一个 "<span>" 标签，接着是一些空白字符，然后是发布时间，再然后是一些空白字符，然后是 "</span>" 标签，接着是一个 "<div>" 标签和一些空白字符，最后是 "</li>" 标签。使用 `re.findall` 函数在 `html` 中搜索这个模式，返回所有匹配项的元组列表。如果找到了匹配项，则 `matches` 对象不为空；否则，输出"未能匹配到赛题和发布时间信息"。最后，遍历 `matches` 列表，使用索引操作获取每个元组的第一个和第二个元素，也就是赛题名称和发布时间，分别输出它们的值。