python - html 标签中的正则表达式

Question

我想从以下 HTML 片段中解析高清价格。我只有 html 代码片段，所以我不能为此使用 HTML 解析器。

<div id="left-stack">        
  <span>View In iTunes</span></a>
 <span class="price">£19.99</span>
 <ul class="list">
    <li>HD Version</li>

基本上，格式是“在“HD 版本”一词之前查找价格(不区分大小写)。这是我目前所拥有的:

re.match(r'^(\d|.){1,6}...HD\sVersion', string)

我如何从上面的字符串中提取值“19.99”？

Answer 1

BeautifulSoup是very lenient对于它解析的 HTML，您也可以将它用于 HTML 的 block /部分:

# -*- coding: utf-8 -*-
from bs4 import BeautifulSoup

data = u"""
<div id="left-stack">
  <span>View In iTunes</span></a>
 <span class="price">£19.99</span>
 <ul class="list">
    <li>HD Version</li>
"""

soup = BeautifulSoup(data)
print soup.find('span', class_='price').text[1:]

打印:

19.99