正则表达式取值方法归纳

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。。。