Поиск данных в html с помощью регулярных выражений?

Question

[roman01]

Коллеги, доброго времени суток! Помогите советом или кодом.

В общем, необходимо мне искать в html-странице некоторые данные:

В html-странице мне нужно найти вот такой блок

s = "<span class=\"company__segment__change\"> <span class=\"company__segment__inner\">$$$</span> </span>"

где $$$ - любое число. Я не знаю, в какой форме. Может в десятичной, может 0.11 или 0,1111. То есть разделитель не известен и вообще, будет ли он.

Начал реализовывать, но что-то громоздко получается, сам чувствую, что не оптимально и не правильно.

Посоветуйте, можно ли решить данную задачу с помощью регулярных выражений? Опыта работы с модулем re на python нет вообще. С регулярными выражениями пока не сталкивался, кроме уж совсем примитивных задач.

Если можно, подкиньте образец.

С уважением, Роман

Comments

[roman01]

забыл отметить - число может быть отрицательным

[Пашенька]

Можно ведь пойти другим путём и использовать BeautufulSoup.

Answer 1

[KraydenSharp]

Здравствуйте.

Есть такой вариант регулярного выражения https://regex101.com/r/KRX5Qe/1
Ищет числа с минусом и без него, целые и вещественные, с разделителем "точка" и "запятая".
Если необходим код на php, то в меню слева есть инструмент "Generated Code"
Для python достаточно убрать ревнивые квантификаторы https://regex101.com/r/KRX5Qe/3

Если такое решение не устраивает, то можете описать более подробно свою задачу. Попытаюсь помочь.

Answer 2

[Антон Белокуров]

Документация по регулярным выражениям тут
Тестить свою регулярку удобно на regex101.com, плюс есть минисправочник.
Возможно, подойдет такая регулярка <span.+>([0-9.-]+?)</span.+, но рекомендую проверить ее на коде всей страницы целиком.

Answer 3

[roman01]

Составил регулярку: [0-9,.]{1,}

Но есть одно "но" - игнорируются знаки + и -

То есть, число 0.12 или 0,12 находится, то -0,12 - нет

Как это исправить?

А ларчик то просто открывался -
-?[0-9,.]{1,}

Эта регулярка корректно работает

Comments

[KraydenSharp]

Быстрый вариант, но будет находить лишнее.
В зону поиска попадают и такие строки: "192.168.0.1.000.12323.1565" и "1...,..,1"

Answer 4

[Андрей]

Попробуйте взять библиотеку для работы с HTML.
Не пользовал, но говорят, что быстрая https://github.com/rushter/selectolax
Если скорость обработки не критична, то lxml, а там искать по xpath.

Comments

[roman01]

Можно и так, спасибо!

Уже написал регулярное выражение, которое мне подходит (в решении)