Question

我想在html标签之间得到一些数字。我在html标签之间得到了所有东西，但我只需要数字。我想将它们存储为数据库中的整数。

示例HTML代码：

import itertools
import pandas as pd
import numpy as np

# get all of the xy pairs
xys = pd.DataFrame(list(itertools.product(range(size[0]), range(size[1]))))

# calculate distance
xys["distance"] = np.sqrt((xys[0] - center[0]) ** 2 + (xys[1] - center[1]) ** 2)

# transform to a 2d array
img = xys.set_index([0, 1])["distance"].unstack()

# if you want just the Numpy array, not a Pandas DataFrame
img.values

此模式为我提供了<div class="col-md-3 product-c"><span title="how many x product left"> 4 left</div> $pattern = <div class="col-md-3 product-c"><span (?:.*?)>(.*?)</div>，但我只想获取4 left（或其他数字），因此我在下面的示例中尝试了此操作：

但是这次，它什么也不返回，只是一个空数组。

如何才能在这些标签之间仅获取数字？

Answer 1

有两个问题：

您没有输入的数字前有空格
您没有输入的数字后面有文字和空格

这取决于您要指定的确切条件，但这将起作用：

<div class="col-md-3 product-c"><span (?:.*?)>(?:\s*)([0-9]+)(?:[^0-9]*)<\/div>

(?:.*?)会忽略<span>属性中可能包含的所有内容
(?:\s*)忽略数字前的空格
([0-9]+)将数字本身分组
(?:[^0-9]*)忽略数字后的任何内容

这可以在 here 上看到。

话虽如此，您不妨考虑使用HTML解析器。

Answer 2

我认为使用解析器将是最好的方法。一旦有了正确的值（通过解析为span并检查title），就可以将其强制转换为int，它将是所需的值。

$html = '<div class="col-md-3 product-c"><span title="how many x product left"> 4 left</div>';
$dom = new domdocument();
$dom->loadhtml($html);
$spans = $dom->getelementsbytagname('span');
foreach($spans as $span) {
    if($span->getattribute('title') == 'how many x product left') {
        echo (int)$span->nodeValue;
    }
}

如何获取HTML标签之间的数字

2 个答案: