从网站抓取价格为零的问题答案

【问题标题】：web scraping price zero problem from a site从网站抓取价格为零的问题
【发布时间】：2020-03-10 16:16:22
【问题描述】：

嗨，我想从这段代码中获取价格

import re
import requests
from bs4 import BeautifulSoup
list3 = []
r = requests.get('https://bama.ir/car/peugeot/')
soup = BeautifulSoup(r.text, 'html.parser')
res2 = soup.find_all('div', attrs={'class':'listdata'})
for item in res2:
    z = re.findall(r'<span itemprop="price" content="([^"]*)">[^<]*</span>',str(item))
    list3 += z

for item in list3:
    print(item)

但此代码不返回“0”价格。我也想要“0”价格。有人可以帮我吗？

【问题讨论】：

根据您的正则表达式，所有价格都不是0
如何在这个正则表达式中添加一个零？
[^"] 已经占零了。它是一个否定集，意思是“找到所有不是双引号的东西”，而零不是双引号。正则表达式是正确的，但您的 items 都不包含零。
我的一些项目是“0”。这个正则表达式不显示“0”
你的 HTML 是什么样的？

标签： python regex web-scraping beautifulsoup

【解决方案1】：

我猜，您可能希望在 content 属性中返回 0s，这可能很接近：

import re
import requests
from bs4 import BeautifulSoup
list3 = []
r = requests.get('https://bama.ir/car/peugeot/')
soup = BeautifulSoup(r.text, 'html.parser')
res2 = soup.find_all('div', attrs={'class': 'listdata'})
# print(res2)
for item in res2:
    z = re.findall(r'content="(\d*)"', str(item))
    list3 += z

for item in list3:
    print(item)

输出

如果您希望简化/修改/探索表达式，在regex101.com 的右上角面板中已对此进行了说明。如果您愿意，您还可以在this link 中观看它如何与一些示例输入匹配。

【讨论】：

用字典语法简单地提取内容属性不是更干净吗？
[i['content'] for i in soup.select('.listdata[content]')]
我所看到的你的答案没有错，并且解释非常好。只是一个想法。

【解决方案2】：

我终于用这段代码来获取零的数字

import re
import requests
from bs4 import BeautifulSoup
list3 = []
r = requests.get('https://bama.ir/car/peugeot/')
soup = BeautifulSoup(r.text, 'html.parser')
res2 = soup.find_all('div', attrs={'class': 'overview'})
for item in res2:
    z1 = re.findall(r'content="([0-9])"',str(item))
    list3 += z1
    z2 = re.findall(r'<!-- <p class="cost"><span itemprop="price" content="(\d*)">',str(item))
    list3 += z2
for item in list3:
    print(item)

感谢您的帮助。

【讨论】：