如何移除HTML标签内整数附带的文本？

直接用正则表达式匹配所有数字和千分位分隔符是最靠谱的方案，完全不用纠结数字长度和文本位置。

示例代码（Python） #

假设你抓取到的原始文本是：raw_text = "7,407 people voted"

1. 提取带千分位的数字字符串 #

用正则精准匹配数字格式：

import re

raw_text = "7,407 people voted"
# 匹配带千分位的数字
number_str = re.search(r'\d{1,3}(?:,\d{3})*', raw_text).group()
print(number_str)  # 输出: 7,407

2. 转换为纯整数 #

如果需要去掉逗号得到纯数字：

clean_number = int(number_str.replace(',', ''))
print(clean_number)  # 输出: 7407

正则规则解释 #

\d{1,3}(?:,\d{3})* 的逻辑：

• \d{1,3}：匹配1-3位数字（对应千分位前的起始部分）
• (?:,\d{3})*：匹配0次或多次「逗号+3位数字」的组合（处理多段千分位分隔）

这个规则能兼容所有常见的千分位数字格式，比如123、1,234、12,345,678都能正确匹配。如果你的场景涉及浮点数，把正则改成\d{1,3}(?:,\d{3})*(?:\.\d+)?即可匹配带小数的数字。

内容的提问来源于stack exchange，提问作者Ifeoma Ogbodo