Question

（免责声明：对Python和编程来说还是新手）

我使用Python 2.7和Beautiful Soup来提取从网站中提取数据的功能......

date = soup.find('div', class_="attention-box").p.string

...运行正则表达式，因为我只需要年份，而不是日期：而不是日期+月......

date = re.findall(r'(\d{4})\s+', date)

...将其添加到字典中......

collection['date']=date

...并返回字典。

当我尝试使用字典中的字符串打印以下内容（我正在为wiki创建模板）

print "|" + collection['URL'] + "|" + collection['title'] + "|" + collection['name']+"|"

它有效。

当我添加 date

时

print "|" + collection['URL'] + "|" + collection['title'] + "|" + collection['name']+"|" + collection['date'] + "|"

我收到以下错误： TypeError：强制转换为Unicode：需要字符串或缓冲区，找到列表

在我的功能中，我添加了date = str(date)并获得了一个正常工作的输出，但我得到了日期部分中的 [u＆＃39; 2001＆＃39;] 。如何在此特定设置中以此可视化unicode表示（？）删除此内容？

非常感谢。

Answer 1

findall正在返回一个集合（一个python列表）。

如果只有一个date匹配该正则表达式使用find，或者您可以继续使用findall并使用date[0]访问第一个日期

Answer 2

列表样式

首先是风格的东西：你可以代表这个：

print "|" + collection['URL'] + "|" + collection['title'] + "|" + collection['name']+"|" + collection['date'] + "|"

这样：

print "|".join([a[x] for x in ('URL', 'title', 'name', 'date')])

演示：

In : a
Out: {'URL': 'example.com', 'date': '2013-03-13', 'name': 'Mel', 'title': 'Foo!'}

In : [a[x] for x in ('URL', 'title', 'name', 'date')]
Out: ['example.com', 'Foo!', 'Mel', '2013-03-13']

In : "|".join([a[x] for x in ('URL', 'title', 'name', 'date')])
Out: 'example.com|Foo!|Mel|2013-03-13'

使用re

第二点是re.findall返回所有匹配的数组。您可能希望将匹配设置为re.search(...)，使用result.group()检索，或者如果要在找到多个匹配项时进行错误检查，请使用re.finditer。您也可以获取re.findall的第一个值，但考虑到其他两个选项，这似乎效率低下。

从python字典输出带有不需要的前缀

2 个答案:

列表样式

使用re