Python如何提取Selenium爬取的酒店URL列表内的指定ID字段？

方法1：字符串分割（无额外依赖，效率最高） #

针对你给出的固定URL结构，直接按规则分割字符串即可，无需导入任何第三方库：

# 替换为你实际爬取得到的URL列表
hotel_url_list = [
    "https://fr.hotels.com/ho437481/?q-rooms=1...",
    "https://fr.hotels.com/ho629714/?q-rooms=2...",
    # 其余URL
]

# 列表推导式直接生成ID列表
hotel_id_list = [url.split("/ho")[1].split("/")[0] for url in hotel_url_list]

运行后hotel_id_list就是仅包含酒店ID的字符串列表。

方法2：正则匹配（容错性更强） #

如果存在少数URL结构有微小偏差的情况，用正则匹配ho后紧跟的连续数字，鲁棒性更高：

import re

# 替换为你实际爬取得到的URL列表
hotel_url_list = [
    "https://fr.hotels.com/ho437481/?q-rooms=1...",
    "https://fr.hotels.com/ho629714/?q-rooms=2...",
    # 其余URL
]

# 编译匹配规则：匹配ho后面的1位及以上连续数字
id_pattern = re.compile(r"ho(\d+)")
hotel_id_list = []
for url in hotel_url_list:
    match_res = id_pattern.search(url)
    if match_res:
        hotel_id_list.append(match_res.group(1))

该方法会自动跳过不符合结构的异常URL，不会直接抛出报错。

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