如何从字符串中提取Url数据

Question

我有以下字符串，其中包含许多Url值。如何在此字符串中的DataUrl术语后提取Url？所以我得到了一个Urls列表，例如：americanexpress.com，vice.com，chegg.com

{'DataUrl'：'americanexpress.com'，'Country'：{'Rank'：'96'，'Reach'：{'PerMillion'：'7350'}，'PageViews'：{'PerMillion'：'600.2' ，'PerUser'：'3.6'}}，'Global'：{'Rank'：'362'}}，{'DataUrl'：'vice.com'，'Country'：{'Rank'：'97'， 'Reach'：{'PerMillion'：'15703.61'}，'PageViews'：{'PerMillion'：'489.97'，'PerUser'：'1.38'}}，'Global'：{'Rank'：'208'} }，{'DataUrl'：'chegg.com'，'Country'：{'Rank'：'98'，'Reach'：{'PerMillion'：'6280'}，'PageViews'：{'PerMillion'：' 882.3'，'PerUser'：'6.2'}}，'Global'：{'Rank'：'402'}}，{'DataUrl'：'mlb.com'，'Country'：{'Rank'：'99 '，'Reach'：{'PerMillion'：'7280'}，'PageViews'：{'PerMillion'：'564.1'，'PerUser'：'3.42'}}，'Global'：{'Rank'：'427 '}}，{'DataUrl'：'xnxx.com'，'Country'：{'Rank'：'100'，'Reach'：{'PerMillion'：'5560'}，'PageViews'：{'PerMillion' ：'1271'，'PerUser'：'10 .1'}}，'全球'：{'Rank'：'95'}

我尝试了各种FindAll表达式。

Answer 1

Python有一个名为json的内置包，可用于处理JSON数据。

您可以将python对象转换为json对象，然后轻松获取DataUrl。

请参考https://www.w3schools.com/python/python_json.asp

Answer 2

它看起来像qazxsw poi数据的一部分，所以如果你有完整的qazxsw poi数据，那么你可以使用模块JSON加载它并在字典中搜索JSON。

如果你有不完整的JSON数据，那么你可以使用json

DataUrl

结果

regex

---

您也可以尝试使用

text = '''{'DataUrl': 'americanexpress.com', 'Country': {'Rank': '96', 'Reach': {'PerMillion': '7350'}, 'PageViews': {'PerMillion': '600.2', 'PerUser': '3.6'}}, 'Global': {'Rank': '362'}}, {'DataUrl': 'vice.com', 'Country': {'Rank': '97', 'Reach': {'PerMillion': '15703.61'}, 'PageViews': {'PerMillion': '489.97', 'PerUser': '1.38'}}, 'Global': {'Rank': '208'}}, {'DataUrl': 'chegg.com', 'Country': {'Rank': '98', 'Reach': {'PerMillion': '6280'}, 'PageViews': {'PerMillion': '882.3', 'PerUser': '6.2'}}, 'Global': {'Rank': '402'}}, {'DataUrl': 'mlb.com', 'Country': {'Rank': '99', 'Reach': {'PerMillion': '7280'}, 'PageViews': {'PerMillion': '564.1', 'PerUser': '3.42'}}, 'Global': {'Rank': '427'}}, {'DataUrl': 'xnxx.com', 'Country': {'Rank': '100', 'Reach': {'PerMillion': '5560'}, 'PageViews': {'PerMillion': '1271', 'PerUser': '10.1'}}, 'Global': {'Rank': '95'}'''

import re

urls = re.findall("'DataUrl': '([^']*)'", text)

print(urls)

和['americanexpress.com', 'vice.com', 'chegg.com', 'mlb.com', 'xnxx.com']

.split("{'DataUrl': '")

结果

split("',")

---

如果你有完整和正确格式化的JSON - 使用

text = '''{'DataUrl': 'americanexpress.com', 'Country': {'Rank': '96', 'Reach': {'PerMillion': '7350'}, 'PageViews': {'PerMillion': '600.2', 'PerUser': '3.6'}}, 'Global': {'Rank': '362'}}, {'DataUrl': 'vice.com', 'Country': {'Rank': '97', 'Reach': {'PerMillion': '15703.61'}, 'PageViews': {'PerMillion': '489.97', 'PerUser': '1.38'}}, 'Global': {'Rank': '208'}}, {'DataUrl': 'chegg.com', 'Country': {'Rank': '98', 'Reach': {'PerMillion': '6280'}, 'PageViews': {'PerMillion': '882.3', 'PerUser': '6.2'}}, 'Global': {'Rank': '402'}}, {'DataUrl': 'mlb.com', 'Country': {'Rank': '99', 'Reach': {'PerMillion': '7280'}, 'PageViews': {'PerMillion': '564.1', 'PerUser': '3.42'}}, 'Global': {'Rank': '427'}}, {'DataUrl': 'xnxx.com', 'Country': {'Rank': '100', 'Reach': {'PerMillion': '5560'}, 'PageViews': {'PerMillion': '1271', 'PerUser': '10.1'}}, 'Global': {'Rank': '95'}'''

urls = text.split("{'DataUrl': '")
urls = [item.split("',")[0] for item in urls if item]
print(urls)

而不是['americanexpress.com', 'vice.com', 'chegg.com', 'mlb.com', 'xnxx.com'] - 那么你可以使用模块"

在这里，我使用完整的JSON

'

结果

json