Question

我在scrapy + python工作。我试图从工作网址中提取jobid数据，任何人都可以指导我提取。

http://xxxxx/apply/EkhIMG/Director-Financial-Planning-Analysis.html

我必须单独提取这些内容＆＃34; Director-Financial-Planning-Analysis＆＃34;

还需要删除DirectorFinancialPlanningAnalysis的特殊字符

我的预期输出应为：DirectorFinancialPlanningAnalysis

我的蜘蛛代码是：

hxs = Selector(response) 
item = response.request.meta['item']
item ['JobDetailUrl'] = response.url
item ['InternalJobId'] = item ['JobDetailUrl'].re('.*\/(.*?)\.html').groups()

我的输出错误：

item ['InternalJobId'] = item['JobDetailUrl'].re('.*\/(.*?)\.html')
.groups()
exceptions.AttributeError: 'str' object has no attribute 're'

Answer 1

re()是Selector对象上的方法，此处response.url是一个字符串：

re.search(r'([a-zA-Z\-]+)\.html$', response.url).group(1).replace('-', '')

演示：

>>> import re
>>> s = 'http://xxxxx/apply/EkhIMG/Director-Financial-Planning-Analysis.html'
>>> re.search(r'([a-zA-Z\-]+)\.html$', s).group(1).replace('-', '')
'DirectorFinancialPlanningAnalysis'

如何删除特殊字符并删除字符之间的空格？

1 个答案: