問題描述

<script type='application/ld+json'>{ '@context': 'http://schema.org', '@type': 'SaleEvent', 'name': '10% Off First Orders', 'url': 'https://www.myvouchercodes.co.uk/coggles', 'image': 'https://mvp.tribesgds.com/dyn/oh/Ow/ohOwXIWglMg/_/mQR5xLX5go8/m0Ys/coggles-logo.png', 'startDate': '2017-02-17', 'endDate': '2017-12-31', 'location': {'@type': 'Place','name': 'Coggles','url': 'coggles.co.uk','address': 'Coggles' }, 'description': 'Get the top branded fashion items from Coggles at discounted prices. Apply this code and enjoy savings on your purchase.', 'eventStatus': 'EventScheduled'}</script>

怎么用python正則從這段腳本中提取coggles.co.uk域名呢,望各路高手指點(diǎn)顯示下身手...

問題解答

正則實(shí)現(xiàn)的話只要保證你的標(biāo)定/特征是唯一的就好。但是'url'這個(gè)標(biāo)志又不是唯一的。這個(gè)時(shí)候@prolifes的方法是很好的。

如果一定要正則實(shí)現(xiàn)呢，要用到零寬斷言（zero-width assertions），當(dāng)然這個(gè)詞的翻譯比較直，帶來很多誤解。它其實(shí)意思是指定位置的匹配，位置的寬度就是0嘛。

這里我們可以看到我們所需的這個(gè)'url'在'location'里面，可以以此為位置信息。

代碼如下：

re.search(’(?<=location).+?'url': '([^']+)'’, string, re.DOTALL).group(1)

稍微解釋一下，(?<=location)這個(gè)地方就是指前面得有l(wèi)ocation。后面有的話這樣寫：(?=location)re.DOTALL這個(gè)是必須的，因?yàn)檫@些字符串已經(jīng)跨行了。他的作用是將.的字符串匹配范圍擴(kuò)大，包含換行符。'([^']+)'這個(gè)地方是我的習(xí)慣，[^']意指所有非'的字符，這就匹配了雙引號中所有的字符串。

這是一段挺標(biāo)準(zhǔn)的json，粗暴一點(diǎn)，直接轉(zhuǎn)換成json

import jsonstr = ’’’<script type='application/ld+json'>{ '@context': 'http://schema.org', '@type': 'SaleEvent', 'name': '10% Off First Orders', 'url': 'https://www.myvouchercodes.co.uk/coggles', 'image': 'https://mvp.tribesgds.com/dyn/oh/Ow/ohOwXIWglMg/_/mQR5xLX5go8/m0Ys/coggles-logo.png', 'startDate': '2017-02-17', 'endDate': '2017-12-31', 'location': {'@type': 'Place','name': 'Coggles','url': 'coggles.co.uk','address': 'Coggles' }, 'description': 'Get the top branded fashion items from Coggles at discounted prices. Apply this code and enjoy savings on your purchase.', 'eventStatus': 'EventScheduled'}</script>’’’d = json.loads(re.search(’({[sS]*})’, str).group(1))print d[’location’][’url’]