使用 unicode 分割字符串并使用 Python 使用反斜杠

Question

我在从字符串中提取浮点数时遇到问题。该字符串是网页抓取的输出：

input = u'<strong class="ad-price txt-xlarge txt-emphasis " itemprop="price">\r\n\xa3450.00pw</strong>'

我想得到：

output: 3450.00

但我没有找到办法。我尝试使用拆分/替换功能将其提取出来：

word.split("\xa")
word.replace('<strong class="ad-price txt-xlarge txt-emphasis " itemprop="price">\r\n\xa','')

我尝试使用re 库。它也不好用，它只提取450.00

import re
num = re.compile(r'\d+.\d+')
num.findall(word)
[u'450.00']

因此，\ 最后我仍然有同样的问题 你有想法吗 ？

Answer 1

\xa3 是井号。

import unidecode 
print unidecode.unidecode(input)

<strong class="ad-price txt-xlarge txt-emphasis " itemprop="price">
PS450.00pw</strong>

要从中获取数字，您最好使用正则表达式：

import re
num = re.compile(r'\d+.\d+')
num.findall(input)[0]

结果

'450.00'

Answer 2

对此还有另一种可能的解决方案：

import re

x = u'<strong class="ad-price txt-xlarge txt-emphasis " itemprop="price">\r\n\xa3450.00pw</strong>'
print re.findall(r'\d+.\d*', x)

输出：[u'450.00']

Answer 3

问题是\xa3 是 unicode 中的井号。当您执行 split('\xa') 时，您正试图将 unicode 字符分成两半。您真正想要的输出是450.00，因为\xa3450.00 转换为£450.00。

str.split('\xa3')

应该在 Python 3 中工作。

---

注意： input 是一个关键字。除非您明确表示要重新分配它，否则我建议不要将其用作变量。

Answer 4

input.encode('utf-8').split('\xa3')[1].split('pw')[0]

>> 450.00

瞧

Answer 5

此代码可能会对您有所帮助：

import requests 
from bs4 import BeautifulSoup

input = u'<strong class="ad-price txt-xlarge txt-emphasis " itemprop="price">\r\n\xa3450.00pw</strong>'
soup = BeautifulSoup(input)
# Find all script tags
for n in soup.find_all('strong'):
    # Check if the src attribute exists
    if 'src' in n.attrs:
        value = n['src']
        print value

我承认我没有运行它，但输出应该是：

\r\n\xa3450.00pw

您可以从这里轻松提取价值。