使用Python+Beautiful Soup提取含5位连续数字的字符串

嘿，刚上手Python和Beautiful Soup的话，这个需求其实很容易搞定——咱们直接用正则表达式来匹配你要的「连续5位数字+空格」模式就行了！Beautiful Soup的find_all方法支持用正则来筛选文本内容，刚好能满足你的需求。

先给你修改好的完整代码，咱们一步步拆解：

import requests
import re
from bs4 import BeautifulSoup

# 替换成你要爬的目标网站域名
source = requests.get('DOMAIN').text
soup = BeautifulSoup(source, 'lxml')

# 用正则匹配「5位数字+空格」的文本内容
postal_code_matches = soup.find_all(text=re.compile(r'\b\d{5}\s'))

# 清理结果：去掉空格、去重
cleaned_postal_codes = list(set([code.strip() for code in postal_code_matches]))

# 打印结果看看
print(cleaned_postal_codes)

关键部分解释： #

• re.compile(r'\b\d{5}\s')：这是核心的正则表达式，拆解一下：
  • \b：单词边界，确保咱们匹配的是独立的5位数字（不会从类似123456这样的长数字里截取前5位）
  • \d{5}：精准匹配5个连续的数字（德国邮编的标准格式）
  • \s：匹配数字后面的空格，符合你说的需求
• soup.find_all(text=...)：告诉Beautiful Soup去查找页面中所有匹配这个正则的文本节点
• 最后的列表推导式和set：网页里可能会重复出现同一个邮编，用set去重，再转成列表，strip()则是去掉邮编前后多余的空格（包括咱们匹配的那个结尾空格）

小调整建议： #

如果有时候网页里的邮编后面没有空格，你也想匹配到的话，可以把正则改成r'\b\d{5}\b'——这样只要是独立的5位数字，不管后面有没有空格都能匹配到。

内容的提问来源于stack exchange，提问作者MXM