瑞吉斯+美汤

Question

我已经从BeautifulSoup中分离出一行我想运行regex的HTML，但是我一直在获取AttributeError: 'NoneType' object has no attribute 'groups'

我读到了另一个堆栈溢出问题(using regex on beautiful soup tags)，但我看不出我需要做什么来修复这个问题的版本。

这是代码的相关部分(提供了url)：与罗伯的正确regex更新仍然抛出dat属性错误：

     soup = BeautifulSoup(urlopen(url).read()).find("div",{"id":"page"})
     addy = soup.find("p","addy").em.encode_contents()
     extracted_entities = re.match(r'\$([\d.]+)\. ([^,]+), ([\d-]+)', addy)
     extracted_entities.groups()
     price = extracted_entities[0]
     location = extracted_entities[1]
     phone = extracted_entities[2]

阿迪似乎是我想要的，还说：

$10. 2109 W. Chicago Ave., 773-772-0406, <a href="http://www.theoldoaktap.com/">theoldoaktap.com</a>
$9. 800 W. Randolph St., 312-929-4580, <a href="http://aucheval.tumblr.com/">aucheval.tumblr.com</a>
$9.50. 445 N. Clark St., 312-334-3688, <a href="http://www.rickbayless.com/">rickbayless.com</a>

等等，当我把它打印出来的时候。

这里发生了什么事？提前谢谢各位。

Answer 1

问题似乎是在您的RegEx模式中出现了一个我在示例输出中没有看到的不稳定的RegEx。

match = re.match(r'\$([\d.]+)\. ([^,]+), ([\d-]+)', addy)
if match:
    extracted_entities = match.groups()
else:
    raise Exception("RegEx didn't match '%s'" % addy)

应起作用：

>>> f = """$10. 2109 W. Chicago Ave., 773-772-0406, <a href="http://www.theoldoaktap.com/">theoldoaktap.com</a>
... $9. 800 W. Randolph St., 312-929-4580, <a href="http://aucheval.tumblr.com/">aucheval.tumblr.com</a>
... $9.50. 445 N. Clark St., 312-334-3688, <a href="http://www.rickbayless.com/">rickbayless.com</a>"""
>>> l = f.splitlines()
>>> for i in l:
...   r = re.match(r'\$([\d.]+)\. ([^,]+), ([\d-]+)', i)
...   if r:
...     print "GOT IT", r.groups()
...   else:
...     print "NO GOT IT", i
... 
GOT IT ('10', '2109 W. Chicago Ave.', '773-772-0406')
GOT IT ('9', '800 W. Randolph St.', '312-929-4580')
GOT IT ('9.50', '445 N. Clark St.', '312-334-3688')