python - 在 BS4 中解析文本

Question

我正在阅读 python/BS4 中的一些产品页面，并在一行代码中找到了一个有趣的品种，即商品的价格。

有时 HTML 是：

<span class="currency">$<span id="product_price">0.00</span></span>

其他时候会是：

<span class="currency">$17.95</span></b>

使用price = soup.find('span', {'class' : 'currency'})

我可以隔离跨度，但是当我尝试仅获取文本时，使用

priceStr = price.findAll(text=re.compile(r''))

然后将其写入输出文件

divpage.write('Price = ' + str(priceStr) + '\n')

我得到（对于第一个例子）：

Price = [u'$', u'0.00']

我的问题是，有没有办法只读取价格，没有'$'，以及如何将编码从“u'0.00'”转换为“0.00”？

我知道我可以使用 Python 的查找和替换功能来做到这一点，但我想尽可能地坚持 BSS4，而不必为一种或另一种形式编写 w check ...

Answer 1

我会使用 get_text() 而不是 find_all()

price_str = price.get_text() # $17.95

然后你可以使用 lstrip 摆脱美元符号

price_str = price_str.lstrip('$') # 17.95

你完成了！

Answer 2

在此处使用 Regex 也可以提供帮助，保留您需要的字符并删除其他所有内容。

if price_str is not None :
    price =  re.sub("[^0123456789.]","",price_str.get_text())