正则表达式取值方法归纳

软件发布|下载排行|最新软件

当前位置:首页IT学院IT技术

正则表达式取值方法归纳

小贝书屋   2021-03-07 我要评论

如,某站点接口请求返回值如下:

{"Code":0,"Msg":"获取成功","Data":
  {"Total":1,"DataList":
    [{"Id":11564XXXX4368,
     "TopIsAgent":false,
     "IsAnchor":true,
     "FirstTwitterId":1156XXX368,
     "FirstTwitterName":"贝克汉姆",
     "FirstTwitterRemark":"小贝960",
      "FirstTwitterTelephone":"1867XXXX640",
      "IsTwitter":true,
      "HeadImgUrl":"https://wx.qlogo.cn/mmopen/vi_32/DYAIOgqXXXXyXXX2ov4UzAxA/132",
      "NickName":"贝克汉姆",
      "Remark":"小贝960",
      "WxRemark":null,
      "Telephone":"1867XXXX640",
      "LastBuyTime":"2021-03-06 11:25:38",
      "Source":1,
      "MemberSourceStr":"小程序授权登录",
      "TotalPoints":185200,
      "TotalFee":10030866.84,
      "TotalFeeNum":292,
      "SingleFee":34352.283698630136986301369863,
      "CustomerType":"会员",
    "Tags":[{"Id":11668,"Name":"规格","TagType":2}],
      "SystemTagType":"成交客户",
      "Cards":[{"Id":987,"Name":"会员卡测试会员卡测"}],
      "CustomerTime":"2019-07-25 13:59:28","IsExistBlackList":false}]},
      "TraceFlag":null,"ErrorDetail":null,"Pname":null}

 

案例1:直取法取"NickName"后的值”贝克汉姆“,但是输出会带“ ”双引号,value = eval(value)可去掉引号

value = re.findall('"NickName":(.*?),', response, re.S)[0]

或者直接在代码中把引号去除

value = re.findall('"NickName":”(.*?)“,', response, re.S)[0]

 

案列2:前后匹配法取"NickName"后的值”贝克汉姆“,经观察,”贝克汉姆“值前面为FirstTwitterName":"“,后面为"FirstTwitterRemark,则表达式可写成如下

value = re.findall('FirstTwitterName":"(.+?)","FirstTwitterRemark', response, re.S)[0]

同理,也可以取出HeadImgUrl参值网址中的任意一段内容,如取”wx.qlogo.cn“,写法如下

value = re.findall("https://(.+?)/mmopen", response, re.S)[0]

 爬虫中经常要取”href“里的内容,也可以通过案例2中的前后匹配法取值,如取下图html内的href内容,但是要注意中间的空格、换行字符

 

 这里面我们看不到任何空格和换行字符,但如果先取出class=”tal“内的数据,就可以看的出来了,写法如下

value = re.findall('<td class="tal" id="">(.+?)</td', response, re.S)

 

 返回内容,可见href前有\r\n,还有空格等数据,所以基于这些数据,把正则再完善一下

value = re.findall('<td class="tal" id=""> \r\n\r\n\t\r\n\r\n\t<h3><a href="(.+?)" target=', response, re.S)

如此,便取出了想要的数据

 

案例3:如果返回值内即包含中文又包含数字,我们只需要数字或者中文呢?如"FirstTwitterRemark":"小贝960",取出960或者小贝

首先,取出数字

value = re.findall('"FirstTwitterRemark":"(.*?)",', response, re.S)[0]
num = re.sub(r'\D', "", value)
print(value)
print(num)

 

 

 然后,取出中文

value = re.findall('"FirstTwitterRemark":"(.*?)",', response, re.S)[0]
zhong = re.findall('[\u4e00-\u9fa5]+', value)
print(value)
print(zhong[0])

 

 

 如上,取中间,是通过写入汉字的unicode范围来取值,那么替换成下表格内诸如数字和字母的范围,同理也可以取出对应的内容

 

未完待续。。。

 

Copyright 2022 版权所有 软件发布 访问手机版

声明:所有软件和文章来自软件开发商或者作者 如有异议 请与本站联系 联系我们