使用Python正则表达式提取数据

Question

我对Python正则表达式有些困惑，无法编写提取特定值的正则表达式。

我要解析的页面包含多个产品ID，格式如下：

\"productId\":\"111111\"

我需要提取所有的值，111111 在这个例子中。

- greyfox

---

你有阅读过关于Python正则表达式的文档吗？ - Joel Cornett

你是刚接触正则表达式、Python或两者都不熟悉吗？你需要哪方面的帮助？你已经尝试过什么了？ - cmd

可能是如何在Python中从字符串中提取子字符串？的重复问题。 - Андрей Беньковский

Answer 1

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

意思是匹配非单词字符 (\W*)，然后是productId后面跟着非列字符 ([^:]*) 和一个 :。然后匹配非数字 (\D*)，匹配并捕获之后的数字 ((\d+))。

输出

111111

- perreal

---

这个不需要是原始字符串吗？或者需要转义反斜杠吗？ - Tim MB

Answer 2

像这样的内容：

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']

- Fredrik Pihl

---

我认为这更Pythonic。 :) - skytreader

Answer 3

这里的反斜杠可能会增加混淆，因为它们既被（非原始）Python字符串用作转义字符，也被正则表达式语法使用。

这从你发布的格式中提取产品ID：

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

原始字符串r'...'消除了一层反斜杠转义；使用单引号作为字符串定界符消除了需要转义双引号的需要；最后，反斜杠被加倍（仅一次），因为它们在正则表达式语言中具有特殊含义。

您可以使用正则表达式对象的findall()方法在某些文本中查找所有匹配项：

re_prodId.findall(text_to_search)

这将返回所有产品ID的列表。

- Tobia

Answer 4

试试这个，

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

如果这个不符合您的要求，请提供更多数据示例。

- frickskit