如何在 Python 中使用正则表达式从同一个字符串中提取多个值？

Posted 2023-02-23

【中文标题】如何在 Python 中使用正则表达式从同一个字符串中提取多个值？

【英文标题】：How to extract multiple values from the same String with Regex in Python?

【发布时间】：2017-10-21 02:29:02

【问题描述】：

我目前正在尝试从网页中抓取一些数据。我需要的数据在 html 源代码的 <meta> 标记内。使用 BeautifulSoup 抓取数据并将其保存到 String 是没有问题的。

字符串包含我要提取的 2 个数字。这些数字中的每一个（从 1 到 100 的复习分数）都应分配给一个不同的变量以进行进一步处理。

test_str = "<meta content=\"Overall Rating: 79/100 ... Some Info ... Score: 86/100 \"/>"

第一个值是79/100，第二个是86/100，但我只需要79和86。到目前为止，我已经创建了一个正则表达式搜索来查找这些值，然后 .replace("/100") 进行清理。

但是使用我的代码，我只能得到第一个正则表达式搜索匹配的值，即79。我尝试使用m.group(1) 获取第二个值，但它不起作用。

我错过了什么？

test_str = "<meta content=\"Overall Rating: 79/100 ... Some Info ... Score: 86/100 \"/>"

m = re.search("../100", test_str)
if m:
    found = m.group(0).replace("/100","")
    print found

    # output -> 79

感谢您的帮助。

最好的问候！

【问题讨论】：

re.findall 返回匹配数组

您是在抓取网页，然后获取整个 HTML 源并将正则表达式应用于它吗？我问是因为您的代码示例没有显示与 beautifulsoup 相关的代码。

谢谢！ @Tomalak 不，我只是使用meta_description = soup.find("meta", "name": "rating-data") 将数据保存在字符串中。我只是没有包含 BeautifulSoup 的部分以保持简单。

【参考方案1】：

test_str = "<meta content=\"Overall Rating: 79/100 ... Some Info ... Score: 86/100 \"/>"    
m =  re.findall('(\d+(?=\/100))', test_str)
# m = ['79', '86']

我将.. 更改为/d+，因此您可以搜索1 位或2 位

我还使用了积极的前瞻(?=...)，所以.replace 变得不必要了

Regex101 的示例

【讨论】：

Np 很高兴我能帮上忙 :)

【参考方案2】：

我不知道为什么大多数人不建议对命名组进行反向引用。

您可以执行以下操作，语法可能不完美。

test_str = "<meta content=\"Overall Rating: 79/100 ... Some Info ... Score: 86/100 \"/>"

pattern = "^<meta content=\"Overall Rating: (?P<rating>.*?) ... Some Info ... (?P<score>.*?)$"

match = re.match(pattern, test_str)

match.group('rating')
match.group('score')