我使用Beautiful Soup来识别特定标签及其内容。内容是html链接，我想提取这些标签的文本。
问题是文本根据特定模式由不同的数字组成。我只对“61993J0417”和“61991CJ0316”这样的数字感兴趣，当数字中间有一个“J”和“CJ”时，我需要正则表达式来匹配两者。
我已使用此代码实现此目的：
soup.find_all(text=re.compile('[6][1-2][0-9]{3}[J]|[CJ][0-9]{4}'))
汤变量是特定标签的内容。此代码适用于10个案例中的9个。但是，当我在我的一个源文件上运行此脚本时，它也匹配诸如“51987PC0716”之类的数字。
我无法理解为什么所以我求助于你。
答案 0 :(得分：3)
IIUC，你的字符串中总是有一个“J”。 因此，强制使用，并使用问号使“C”可选。 类似的东西：
re.compile('6[1-2][0-9]{3}C?J[0-9]{4}')
我没有对此进行过测试，但您可以自己继续这样做。
答案 1 :(得分：3)
您尚未指定|适用的内容;默认情况下，这是整个正则表达式，这意味着你要求
[6][1-2][0-9]{3}[J]
（与6[12][0-9]{3}J）或
CJ[0-9]{4}
（ not [CJ]，意思是“C或J”）。使用括号指定替代方案：
^6[12][0-9]{3}(J|CJ)[0-9]{4}$
哪个更好写
^6[12][0-9]{3}C?J[0-9]{4}$