使用Unicode分割字串，并使用Python反斜线

Question

我在从字符串中提取浮点数时遇到麻烦。 该字符串是webscraping的输出：

input = u'<strong class="ad-price txt-xlarge txt-emphasis " itemprop="price">\r\n\xa3450.00pw</strong>'

我想得到：

output: 3450.00

但我没有找到一种方法。 我尝试使用split / replace函数将其提取：

word.split("\xa")
word.replace('<strong class="ad-price txt-xlarge txt-emphasis " itemprop="price">\r\n\xa','')

我试图使用re库。 它效果不佳，只能提取450.00

import re
num = re.compile(r'\d+.\d+')
num.findall(word)
[u'450.00']

因此，我仍然有与最终同样的问题\\你有一个想法？

Answer 1

\\xa3是英镑符号。

import unidecode 
print unidecode.unidecode(input)

<strong class="ad-price txt-xlarge txt-emphasis " itemprop="price">
PS450.00pw</strong>

要从中获取数字，最好使用正则表达式：

import re
num = re.compile(r'\d+.\d+')
num.findall(input)[0]

结果

'450.00'

Answer 2

问题是\\xa3是unicode中的井号。 在执行split('\\xa')时，您尝试将unicode字符split('\\xa') 。 您实际想要的输出是450.00因为\\xa3450.00转换为£450.00 。

str.split('\xa3')

应该可以在Python 3中工作。

---

注意： input是关键字。 除非您明确打算重新分配它，否则建议不要将其用作变量。

Answer 3

还有另一种可能的解决方案：

import re

x = u'<strong class="ad-price txt-xlarge txt-emphasis " itemprop="price">\r\n\xa3450.00pw</strong>'
print re.findall(r'\d+.\d*', x)

输出：[u'450.00']

Answer 4

此代码可以帮助您：

import requests 
from bs4 import BeautifulSoup

input = u'<strong class="ad-price txt-xlarge txt-emphasis " itemprop="price">\r\n\xa3450.00pw</strong>'
soup = BeautifulSoup(input)
# Find all script tags
for n in soup.find_all('strong'):
    # Check if the src attribute exists
    if 'src' in n.attrs:
        value = n['src']
        print value

我承认我没有运行它，但是输出应该是：

\\ r \\ n \\ xa3450.00pw

从这里您可以轻松提取价值。

Answer 5

input.encode('utf-8').split('\xa3')[1].split('pw')[0]

>> 450.00

Voilà