Question

我正在尝试从URL中提取数字。这是我试过的代码：

urlss = 'http://www.deyi.com/thread-24488-1-1.html'
urlss = re.sub('http://www.deyi.com/thread-(.*?)-1-1.html', '', urlss)
print(urlss)

我的预期结果是以下数字：

我怎样才能做到这一点？

Answer 1

re.sub替换字符串中的内容。您需要使用re.search来提取子字符串。您可以使用以下正则表达式从网址中提取所需的数字：

'(?<=thread-)\d+'

这个正则表达式将在“thread - ”之后返回第一个连续数字序列的字符串。

例如：

>>> urlss = 'http://www.deyi.com/thread-24488-1-1.html'
>>> import re

>>> re.search('(?<=thread-)\d+', urlss).group()
'24488'

Answer 2

您可以使用<div style='overflow: scroll;display: block;white-space:nowrap;'> <table class="point"> <thead> <tr> <td> <label class="sp">point</label> <label class="pm"> </label><br> </td> <td> <label class="sp">point</label> <label class="pm"> </label><br> </td> </tr> </thead> <tbody> <tr> <td> <label>point</label> <label>point</label> <label></label> </td> <td> <label>point</label> <label>point</label> <label></label> </td> </tr> </tbody> </table> <table class="point"> <thead> <tr> <td> <label class="sp">point</label> <label class="pm"> </label><br> </td> <td> <label class="sp">point</label> <label class="pm"> </label><br> </td> </tr> </thead> <tbody> <tr> <td> <label>point</label> <label>point</label> <label></label> </td> <td> <label>point</label> <label>point</label> <label></label> </td> </tr> </tbody> </table> <table class="point"> <thead> <tr> <td> <label class="sp">point</label> <label class="pm"> </label><br> </td> </tr> </thead> <tbody> <tr> <td> <label>point</label> <label>point</label> <label></label> </td> </tr> </tbody> </table> <table class="point"> <thead> <tr> <td> <label class="sp">point</label> <label class="pm"> </label><br> </td> <td> <label class="sp">point</label> <label class="pm"> </label><br> </td> <td> <label class="sp">point</label> <label class="pm"> </label><br> </td> </tr> </thead> <tbody> <tr> <td> <label>point</label> <label>point</label> </td> <td> <label>point</label> <label>point</label> </td> <td> <label>point</label> <label>point</label> </td> </tr> </tbody> </table> </div>

Positive Lookahead (?=(\d+))

输出：

import re
urlss = 'http://www.deyi.com/thread-24488-1-1.html'

pattern='thread-(?=(\d+))'

match=re.search(pattern,urlss)
print(match.group(1))

如果每次url模式只有一些变量或页面相同，那么你可以使用这样的简单模式：

输出：

import re
urlss = 'http://www.deyi.com/thread-24488-1-1.html'

pattern='(\d+){2}'

match=re.search(pattern,urlss)
print(match.group())

正则表达式根据URL模式从URL中提取特定数字

2 个答案: