我在围绕Python正则表达式时遇到一些麻烦,想出一个正则表达式来提取特定的值。
我尝试解析的页面有许多productIds,它们以下列格式显示
\"productId\":\"111111\"
在这种情况下,我需要提取所有值111111
。
答案 0 :(得分:19)
t = "\"productId\":\"111111\""
m = re.match("\W*productId[^:]*:\D*(\d+)", t)
if m:
print m.group(1)
意味着匹配非单词字符(\W*
),然后是productId
,后跟非列字符([^:]*
)和:
。然后匹配非数字(\D*
)并匹配并捕获以下数字((\d+)
)。
<强>输出强>
111111
答案 1 :(得分:9)
类似的东西:
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']
答案 2 :(得分:1)
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regexp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不需要转义双引号;最后,由于它们在正则表达式语言中的特殊含义,后面加倍(只有一次)。
您可以使用regexp对象的findall()
方法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。
答案 3 :(得分:0)
试试这个,
:\\"(\d*)\\"
如果这不符合您的要求,请提供更多数据示例。