使用Python正則表達式提取數據

Question

我在使用Python正則表達式時遇到麻煩，想出一個正則表達式來提取特定值。

我試圖解析的頁面有許多productIds，它們以下列格式顯示

\"productId\":\"111111\"

在這種情況下，我需要提取所有值， 111111 。

Answer 1

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

意思是匹配非單詞字符（ \\W* ），然后是productId后跟非列字符（ [^:]* ）和a : . 然后匹配非數字（ \\D* ）並匹配並捕獲后面的數字（ (\\d+) ）。

產量

111111

Answer 2

這樣的事情：

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']

Answer 3

這里的反斜杠可能會增加混淆，因為它們被（非原始）Python字符串和regexp語法用作轉義字符。

這將從您發布的格式中提取產品ID：

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

原始字符串r'...'消除了一級反斜杠逃逸; 使用單引號作為字符串分隔符不需要轉義雙引號; 最后，由於它們在正則表達式語言中的特殊含義，后面的內容被加倍（只有一次）。

您可以使用regexp對象的findall()方法查找某些文本中的所有匹配項：

re_prodId.findall(text_to_search)

這將返回所有產品ID的列表。

Answer 4

試試這個，

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

如果這不符合您的要求，請提供更多數據示例。