正則表達式取值方法歸納

如，某站點接口請求返回值如下：

{"Code":0,"Msg":"獲取成功","Data":
　　{"Total":1,"DataList":
　　　　[{"Id":11564XXXX4368,
　　　　　"TopIsAgent":false,
　　　　　"IsAnchor":true,
　　　　 "FirstTwitterId":1156XXX368,
　　　　　"FirstTwitterName":"貝克漢姆",
　　　　　"FirstTwitterRemark":"小貝960",
　　　　　　"FirstTwitterTelephone":"1867XXXX640",
　　　　　　"IsTwitter":true,
　　　　　　"HeadImgUrl":"https://wx.qlogo.cn/mmopen/vi_32/DYAIOgqXXXXyXXX2ov4UzAxA/132",
　　　　　　"NickName":"貝克漢姆",
　　　　　　"Remark":"小貝960",
　　　　　　"WxRemark":null,
　　　　　　"Telephone":"1867XXXX640",
　　　　　　"LastBuyTime":"2021-03-06 11:25:38",
　　　　　　"Source":1,
　　　　　　"MemberSourceStr":"小程序授權登錄",
　　　　　　"TotalPoints":185200,
　　　　　　"TotalFee":10030866.84,
　　　　　　"TotalFeeNum":292,
　　　　　　"SingleFee":34352.283698630136986301369863,
　　　　　　"CustomerType":"會員",
　　　　"Tags":[{"Id":11668,"Name":"規格","TagType":2}],
　　　　　　"SystemTagType":"成交客戶",
　　　　　　"Cards":[{"Id":987,"Name":"會員卡測試會員卡測"}],
　　　　　　"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”貝克漢姆“，但是輸出會帶“ ”雙引號，value = eval(value)可去掉引號

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

或者直接在代碼中把引號去除

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

 

案列2：前后匹配法取"NickName"后的值”貝克漢姆“，經觀察，”貝克漢姆“值前面為FirstTwitterName":"“，后面為"FirstTwitterRemark，則表達式可寫成如下

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

同理，也可以取出HeadImgUrl參值網址中的任意一段內容，如取”wx.qlogo.cn“，寫法如下

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

 爬蟲中經常要取”href“里的內容，也可以通過案例2中的前后匹配法取值，如取下圖html內的href內容，但是要注意中間的空格、換行字符

 

 這里面我們看不到任何空格和換行字符，但如果先取出class=”tal“內的數據，就可以看的出來了，寫法如下

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

 

 返回內容，可見href前有\r\n，還有空格等數據，所以基於這些數據，把正則再完善一下

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，便取出了想要的數據

 

案例3：如果返回值內即包含中文又包含數字，我們只需要數字或者中文呢？如"FirstTwitterRemark":"小貝960"，取出960或者小貝

首先，取出數字

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，取中間，是通過寫入漢字的unicode范圍來取值，那么替換成下表格內諸如數字和字母的范圍，同理也可以取出對應的內容

 

未完待續。。。