如何在Python中使用正则表达式从HTML中提取价格

Question

我有一个HTML输出，里面包含了这些内容：

<span class="value">
            Price:<br>
            <span style="color:white">23,07€ </span>
        </span>

我尝试用以下方法提取价格：

prices = re.findall(r'<span class="value">.*?(\d{1,3}\.?\d{1,2}).*?</span>',search_result)

有时候，当小数部分是00时，数字会被替换成--，另外我还需要把通过表达式提取出来的这两个数字23和07合并成2307。

谢谢你的时间。

Answer 1

从索引1获取匹配的组。

(?<=>)(\d[^€]*)

示例

---

或者获取每个数字的匹配组索引1和2

(?<=>)(\d+)\D(\d+)\D

示例

---

如果你只对<span>标签感兴趣，可以试试下面的正则表达式

<span [^>]*>(\d+)\D(\d+)\D[^<]*

示例代码：

import re
p = re.compile(ur'<span [^>]*>(\d+)\D(\d+)\D[^<]*')
test_str = u"..."

re.findall(p, test_str)