python 2从urllib2响应结果中获取中文字符之间的数字

Question

我想在网页上使用urllib2获取html标签之间的数字805。

<span class="count">(共805张)</span>

这是我编写的用于获取数字的python代码：

url = "https://movie.douban.com/celebrity/1044996/photos/"
request = urllib2.Request(url,headers=headers)
response = urllib2.urlopen(request)
content = response.read().decode('utf-8')
pattern1 = re.compile(r'<span\sclass="count">(.*?)</', re.S)
result1 = re.search(pattern1, content)
total_num = result1.group(1)
total_num = total_num

但是当我打印total_num时，控制台会显示：

u'(\u5171805\u5f20)'

如何使用正则表达式获得数字805？

Answer 1

如果你的html标签总是像这样：

<span class="count">(共805张)</span>

这意味着该数字介于两个非拉丁字符和'('以及')'之间，您可以使用此模式：

import re
a = <span class="count">(共805张)</span>
# This will work if theString is unicode, 
# or a string in an encoding where ASCII 
# occupies values 0 to 0x7F (latin-1, UTF-8, etc.)
final = re.findall('\([^\x00-\x7F]+(\d+)[^\x00-\x7F]+\)', a)

print final

输出：

['805']

PS：相信这个asnwer并进行了一些修改。

Answer 2

尝试通过以下方式更改正则表达式：

lib/tablelib.php

这样，该组只会匹配数字，而不会匹配它周围的其他字符。