1

Прогоняю строки через регулярное выражение для обрезания, строка кода

k = (s[:s.find('(')] + s[s.rfind(';')] + s[s.rfind('-') + 1:-1])

Строка, которая у меня получается

{'price': '<script type="text/javascript">document.write;icon_top_2_iphone"></span>
Безопасная сделка</a> 10&nbsp;000&nbsp;₽ </div>\');</script'}

Мне нужно вытащить из строки

10&nbsp;000&nbsp;₽

Не могу допереть как дальше двигаться

4
  • 1
    А может стоить парсить HTML соответствующими инструментами (например bs4), вместо разбора регулярками?
    – nomnoms12
    23 июн 2020 в 18:34
  • @nomnoms12 я и парсю, но мне встретился тэг script type="text/javascript">document.write(\\) из которого не получается достать нужный элемент, но получилось достать его весь и решил вытащить нужное мне 23 июн 2020 в 18:37
  • Приведите больше примеров входов и выходов.
    – вася
    23 июн 2020 в 19:20
  • @вася Тут много таких :) :) :) 27 июн 2020 в 13:38

1 ответ 1

2

Используйте

import re, ast, html
s = r"""{'price': '<script type="text/javascript">document.write;icon_top_2_iphone"></span>Безопасная сделка</a> 10&nbsp;000&nbsp;₽ </div>\');</script'}"""
d = ast.literal_eval(s)
m = re.search(r'(?<!\d)\d{1,3}(?:\xA0\d{3})*\s*₽', html.unescape(d["price"]))
if m:
    print( m.group() ) # => 10 000 ₽

См. пример работы кода в Python

ast.literal_eval(s) конвертирует строку в словарный объект. Нужная нам строка содержится в d["price"].

html.unescape(d["price"]) конвертирует HTML-сущности в их буквальное представление, например, &nbsp в неразрывный пробел.

Регулярное выражение (?<!\d)\d{1,3}(?:\xA0\d{3})*\s*₽ найдёт 1-3 цифры, потом 0 и более повторов неразрывного пробела + 3 цифр, потом 0 и более пробельных символов, а затем символ , перед которыми нет другой цифры.

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge you have read our privacy policy.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.