如何用BeautifulSoup从房地产页面指定div中提取准确平方米数值

你可以通过正则表达式匹配目标数值，不需要关注前方逗号的数量，只要提取文本中「数字+м」的组合即可，修改后的代码如下：

首先导入正则处理模块：

import re

原有循环逻辑修改为：

for sqm in soup.find('ul', {'class': 'list-view real-estates'}).find_all('div', {'class': 'inline-group'}):
    sqm_text = sqm.get_text()
    # 匹配整数/小数格式的数值后接м的片段
    area_match = re.search(r'(\d+\.?\d*)\s*м', sqm_text)
    if area_match:
        # 若需要带м的结果直接取group()，只要纯数值取group(1)
        sqm_area.append(area_match.group())

规则说明：

• \d+\.?\d* 兼容整数、小数格式的面积数值
• \s* 适配数值和单位之间可能存在的空格
• 自动过滤所有无关冗余文本，只有符合面积格式的内容会被提取

内容的提问来源于stack exchange，提问作者tsetsko