如何抓取以“0”结尾的数字从网站上？

Question

我使用 BeaustifulSoup 抓取网址“https://nature.altmetric.com/details/114136890”上的一些文本，并得到这样的响应

# The table is called twitterGeographical_TableChoice
<table>
<tr>
<th>Country</th>
<th class="num">Count</th>
<th class="num percent">As %</th>
</tr>
<tr>
<td>Japan</td>
<td class="num">3</td>
<td class="num">12%</td>
</tr>
<tr>
<td>Poland</td>
<td class="num">3</td>
<td class="num">12%</td>
</tr>
<tr>
<td>Spain</td>
<td class="num">3</td>
<td class="num">12%</td>
</tr>
<tr>
<td>El Salvador</td>
<td class="num">2</td>
<td class="num">8%</td>
</tr>
<tr>
<td>Ecuador</td>
<td class="num">1</td>
<td class="num">4%</td>
</tr>
<tr>
<td>Mexico</td>
<td class="num">1</td>
<td class="num">4%</td>
</tr>
<tr>
<td>Chile</td>
<td class="num">1</td>
<td class="num">4%</td>
</tr>
<tr>
<td>India</td>
<td class="num">1</td>
<td class="num">4%</td>
</tr>
<tr class="meta">
<td>Unknown</td>
<td class="num">10</td>
<td class="num">40%</td>
</tr>
</table>

然后我想从中获取数字。我使用正则表达式来获取它。 我的格式是

twitterGeographical_Table_Num_pattern = re.compile('<td class=\"num\">(\d*%)</td>',re.S)
twitterGeographical_Table_Num = twitterGeographical_Table_Num_pattern.findall(twitterGeographical_TableChoice)

但我只能得到 4% 而不是 40%。我很困惑。感谢您的帮助！

Answer 1

我不知道为什么你要使用正则表达式模块来获取数字，而 BeautifulSoup 已经有很多方法可以实现这一点。无论如何，如果您对正则表达式感兴趣，您可以使用此模式：

<td class=\"num\">((\d+)(%)?)</td>

然后您可以使用下面的代码获取数字（百分比，如果是的话）：

[x[0] for x in twitterGeographical_Table_Num]

输出

['10', '40%']

侧注：我请求您考虑将变量命名得更短、更清晰！ :)