python - 提取大字符串的部分

Question

我正在用 python 编程，我正在尝试抓取网站的页面源。举个例子，我正在尝试提取 upc 号码。这只是页面的一部分。 upc 周围有一堆字母、数字和符号。

myString = someLargeString + '<meta property=og:upc content=02276254215 />' + anotherLargeString

我认为我可以使用多次拆分来提取它，但我想知道是否有更好的方法。我了解了一些有关使用 findall 和正则表达式的知识，但我不确定这是否可以应用于此处。拆分是解决这个问题的最佳方法吗？

任何帮助或建议将不胜感激。非常感谢。

Answer 1

正则表达式可能更好，因为它更快、更容易维护并且更容易阅读。 Here's关于正则表达式的一个很好的教程，如果您打算长时间解析这个网站，您可能应该阅读它。

举个例子，如果您只想查找一个匹配项:

import re

m = re.search('upc content=([0-9]*)', string)
if m:
   upc = m.group(1)
   print upc

如果您要重用正则表达式，最好预先对其进行预编译，如 here 所示。