提取来自beautifulsoup的部分字符串答案

【问题标题】：Extracting part of string that came from beautifulsoup提取来自beautifulsoup的部分字符串
【发布时间】：2019-01-13 14:41:44
【问题描述】：

我有这个来自 BeautifulSoup 的字符串：

<span class="move-text-component vertical-move-list-clickable"><!-- -->

 abc6

 <!-- --> <!-- --></span>

我如何提取 abc6 文本知道它可以是任何带有 2-6 个字符/数字/连字符的子字符串（字符都大写而不是大写），我认为它后面和之后总是有一个换行符在这里。
我怎样才能使用您认为合适的任何方法来做到这一点？（正则表达式、beautifulsoup 等）

编辑：这是打印为列表以显示\n个字符的确切字符串：

['<span class="move-text-component vertical-move-list-clickable"><!-- -->\n\n  d4\n\n  <!-- --> <!-- --></span>']

【问题讨论】：

span 之前真的有一个点还是一个错字？
不，第二部分有 /。这不是错字，我之所以写它是因为没有它，stackoverflow 会在代码中使用它并且无法正确显示。最后应该是。
然后edit it相应
this 你可以吗？
那个不能正常工作。但是@pirate 的答案运行良好。无论如何，感谢您的网站参考似乎很有用。

标签： python regex python-3.x string

【解决方案1】：

你可以用正则表达式做到这一点：

<.+>\n\n(.+)\n\n<.+>

并提取()中的组

在 Python 中你必须这样写：

import re
re.search(".+\n\n(.+)\n\n.+", text).group(1)

. 匹配任何字符
+ 匹配一次到无限次
() 是选择组
最后的.group(1) 是取() 中的第一个匹配项

【讨论】：

@pirateSomehow 这使得 noneType 没有属性组。确切的字符串是： ['\n\n d4\n\n '] 你能详细解释一下组和“.+”是如何工作的吗？
是的，新的成功了！谢谢，如果你有时间，你能不能简单解释一下，以便我能更好地理解它？ .+ 和 group(1) 部分
另外，有没有办法在 re.search 期间在所选文本的开头结束空格？而不是在之后切片字符串。
@Miguel 您可以在正则表达式中使用 \s 添加空格，如下所示：.+\n\n\s+(.+)\n\n.+
这是正确的，但我认为这会使任务复杂化。 BeautifulSoup 拥有无需使用正则表达式即可获取数据的工具 :)

【解决方案2】：

除了 BeautifulSoup，您不需要其他工具。只需使用 .text.strip() :)

from bs4 import BeautifulSoup

source = """
<span class="move-text-component vertical-move-list-clickable"><!-- -->\n\n  d4\n\n  <!-- --> <!-- --></span>
"""
soup = BeautifulSoup(source, 'lxml')

data = soup.find('span', class_ ="move-text-component vertical-move-list-clickable")

print(data.text.strip())

结果

【讨论】：