使用 Python 正则表达式提取数据

Posted 2023-02-23

【中文标题】使用 Python 正则表达式提取数据

【英文标题】：Extracting Data with Python Regular Expressions

【发布时间】：2013-04-04 05:10:17

【问题描述】：

我在围绕 Python 正则表达式想出一个正则表达式来提取特定值时遇到了一些麻烦。

我尝试解析的页面有许多 productId，它们以以下格式显示

\"productId\":\"111111\"

我需要提取所有值，在这种情况下为111111。

【问题讨论】：

你读过documentation on python regular expressions吗？

您是正则表达式、python 还是两者的新手？您需要帮助哪一部分？你试过什么？

how to extract a substring from inside a string in Python?的可能重复

【参考方案1】：

t = "\"productId\":\"111111\""
m = re.match("\W*productId[^:]*:\D*(\d+)", t)
if m:
    print m.group(1)

表示匹配非单词字符 (\W*)，然后是 productId，后跟非列字符 ([^:]*) 和 :。然后匹配非数字（\D*）并匹配并捕获后面的数字（(\d+)）。

输出

111111

【讨论】：

这不需要是原始字符串，还是不需要转义反斜杠？

【参考方案2】：

这里的反斜杠可能会增加混乱，因为它们被（非原始）Python 字符串和正则表达式语法用作转义字符。

这会从您发布的格式中提取产品 ID：

re_prodId = re.compile(r'\\"productId\\":\\"([^"]+)\\"')

原始字符串r'...' 取消了一级反斜杠转义；使用单引号作为字符串分隔符无需转义双引号；最后，由于它们在正则表达式语言中的特殊含义，反斜杠被加倍（仅一次）。

您可以使用正则表达式对象的findall() 方法来查找某些文本中的所有匹配项：

re_prodId.findall(text_to_search)

这将返回所有产品 ID 的列表。

【参考方案3】：

类似这样的：

In [13]: s=r'\"productId\":\"111111\"'

In [14]: print s
\"productId\":\"111111\"

In [15]: import re

In [16]: re.findall(r'\d+', s)
Out[16]: ['111111']

【讨论】：

我觉得这更像 Pythonic。 :)

【参考方案4】：

试试这个，

 :\\"(\d*)\\"

如果这不能满足您的要求，请提供更多数据示例。