soup.get_text()获取的文本无法被re.search匹配的问题求助

为什么正则匹配失败？ #

你输出的salary_range里，数字之间的空格不是普通空格（U+0020），而是非断空格（NBSP，Unicode编码U+00A0）。而你写的正则表达式r"^(\d{0,2} ?\d{3})"里的?只匹配普通空格，自然找不到对应内容，re.search返回None，调用.group(1)就会抛出AttributeError。

解决方法 #

方法1：先替换非断空格为普通空格 #

在正则匹配前，把字符串里的非断空格替换成普通空格：

salary_range = soup2.get_text().strip()
# 替换非断空格为普通空格
salary_range = salary_range.replace('\u00A0', ' ')
bottom_salary = re.search(r"^(\d{0,2} ?\d{3})", salary_range).group(1)
print(bottom_salary)  # 输出"10 000"

方法2：修改正则匹配非断空格 #

让正则同时匹配普通空格和非断空格：

bottom_salary = re.search(r"^(\d{0,2}[\s\u00A0]?\d{3})", salary_range).group(1)

这里[\s\u00A0]表示匹配任意空白字符（包括普通空格）或者非断空格。

方法3：跳过空格直接提取数字（更简洁） #

不需要正则，直接拆分字符串后提取所有数字字符：

# 按分隔符"–"拆分，取前半部分
bottom_part = salary_range.split('–')[0]
# 提取所有数字字符拼接
bottom_salary_int = ''.join([c for c in bottom_part if c.isdigit()])
print(bottom_salary_int)  # 输出10000

内容的提问来源于stack exchange，提问作者Mikołaj Przygoda