如何用Python BeautifulSoup从商品标题中提取酒精度数？

观察目标页面的商品标题格式（示例标题类似 Monkey 47 Dry Gin 47 Vol. 0,50l），酒精度数以「数字 + Vol.」的形式呈现，我们可以用正则表达式精准提取。

实现步骤 #

1. 导入Python正则模块 re
2. 编写匹配规则，定位Vol.前的数字内容
3. 对已获取的productnaam执行匹配，提取结果并赋值给alcoholpercentage

完整代码示例 #

import re

# 你的现有爬取代码
def getTextFromHTMLItem(HTMLItem):
    try:
        return HTMLItem.text
    except:
        return " "

try:
    productnaam = getTextFromHTMLItem(soup.find('h1', {'class':'product--title'}))
except:
    productnaam = ""

# 提取酒精度数
alcoholpercentage = None
# 正则规则：匹配整数/小数，兼容数字与Vol.间的空格，支持德语逗号小数
match = re.search(r'(\d+(?:,\d+)?)\s*Vol\.', productnaam)
if match:
    # 转换德语逗号小数为Python支持的点格式，再转为浮点数
    alcohol_str = match.group(1).replace(',', '.')
    alcoholpercentage = float(alcohol_str)

代码说明 #

• 正则表达式 r'(\d+(?:,\d+)?)\s*Vol\.：
  • (\d+(?:,\d+)?)：捕获整数（如47）或小数（如40,5）形式的酒精度数字
  • \s*：匹配数字与Vol.之间的任意空格
  • Vol\.：精准匹配「Vol.」（转义点号避免匹配任意字符）
• 小数格式兼容：欧洲地区常用逗号作为小数分隔符，通过replace(',', '.')转换为Python可识别的格式
• 无匹配处理：若标题中无酒精度信息，alcoholpercentage会保持None，可根据需求改为空字符串或0

内容的提问来源于stack exchange，提问作者Rick Prins