python findall()正则表达式问题

问题描述

问 题

我想在一个网页里抓取金额，格式是这样的:12,123 5,431,867连续三位数字用逗号隔开。
我的表达式是：(\d{1,3}(,\d{3})*) 。。
在线测试工具里通过了，但是在python re模块的findall()却返回了tuple,于是乎看了http://blog.csdn.net/cashey1991/article/details/8875213
明白了道理，请问我该用re里的什么方法把一个网页里所有的金额抓取下来并存在一个list里？

附：如果直接用beautifulsoup的soup.findall(text=regex)，会把包含这个regex的整个text返回。比如<div>asda<div>wqeqwe<div>123,432</div></div></div>，会把整个都返回了。。。。
附：我只想要一个网页里出现的金额，金额出现的格式就是如上所说，一个网页里可能出现多个金额，请问如何用regular expression抓取

解决方案

我猜你的需求是这样的
当然看见你说bs4的时候, 我知道肯定有除了比这个更好的方法...(下次讲清楚需求)

import re
re_obj1 = re.compile(r'(\d{1,3}(,\d{3})*)')
text = "12,123 5,431,867"
all_list = re_obj1.findall(text)
out_list = [f[0].replace(',', '') for f in all_list]
print(out_list)
>>['12123', '5431867']

这篇关于python findall()正则表达式问题的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！