从标签中提取数字

Question

我们说我有这样的标签：

<div class="user-details"><a href="/users/619/jon-hu">Jon Hu</a>

我想提取用户ID或类似内容的619。

我可以这样做，结果如下：

question.select('.user-details a')[0]
>>> <a href="/users/619/jon-hu">Jon Hu</a>

如何解压619？它没有单独的标签，所以我认为我必须使用正则表达式，我不是很擅长。

Answer 1

您应该首先通过将元素视为字典来提取href属性值。然后，您可以应用正则表达式来提取用户ID：

a = question.select_one('.user-details a')
href = a["href"]

match = re.search(r"/users/(\d+)", href)
if match:
    user_id = match.group(1)
    print(user_id)
else:
    print("No user ID found in '%s'." % href)

其中(\d+)是捕获组，可捕获一个或多个连续数字。

另请注意使用.select_one()方法代替.select()和[0]。