python - Beautiful Soup 和正则表达式

Question

我正在使用 Beautiful Soup 来识别特定标签及其内容。内容是 html 链接，我想提取这些标签的文本。

问题是文本是由不同的数字按照特定的模式组成的。我只对“61993J0417”和“61991CJ0316”等数字感兴趣，当数字中间有“J”和“CJ”时，我需要正则表达式来匹配这两个数字。

我已经使用这段代码来实现这一点:

soup.find_all(text=re.compile('[6][1-2][0-9]{3}[J]|[CJ][0-9]{4}'))

soup 变量是具体标签的内容。此代码在 10 个案例中有 9 个有效。然而，当我在我的一个源文件上运行这个脚本时，它也匹配了诸如“51987PC0716”之类的数字。

我不明白为什么，所以我向你寻求帮助。

Answer 1

您还没有指定 | 适用于什么；默认情况下，它是整个正则表达式，这意味着您已经要求其中之一

[6][1-2][0-9]{3}[J]

(与 6[12][0-9]{3}J 相同)或

CJ[0-9]{4}

(不是 [CJ]，意思是“C 或 J”)。使用括号指定备选方案是什么:

^6[12][0-9]{3}(J|CJ)[0-9]{4}$

哪个写的更好

^6[12][0-9]{3}C?J[0-9]{4}$