Question

我有以下包含许多Url值的字符串。如何在此字符串中的DataUrl项后提取Url？所以我得到了Urls的清单例如：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”，“达到”：{'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'}

我尝试了各种FindAll表达式。

Answer 1

Python有一个名为json的内置程序包，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。

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

Answer 2

它看起来像JSON数据的一部分，因此，如果您有完整的JSON数据，则可以使用模块json进行加载并在字典中搜索DataUrl。

如果您的JSON数据不完整，则可以使用regex

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)

结果

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

您也可以尝试使用.split("{'DataUrl': '")和split("',")

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)

结果

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

如果您具有完整且格式正确的JSON-使用"而不是'-那么您可以使用模块json

我在这里使用完整的JSON

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'}}]'''
text = text.replace("'", '"')

import json

data = json.loads(text)
urls = [item['DataUrl'] for item in data]

print(urls)

结果

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

Answer 3

答案是针对非json数据的

您可以使用正则表达式来检测任何文本中的url。在python中使用正则表达式的方式是：

geeksforgeeks answer

此处显示了该链接的示例：

# Python code to find the URL from an input string 
# Using the regular expression 
import re 

def Find(string): 
    # findall() has been used  
    # with valid conditions for urls in string 
    url = re.findall('http[s]?://(?:[a-zA-Z]|[0-9]|[$-_@.&+] 
    |[!*\(\), ]|(?:%[0-9a-fA-F][0-9a-fA-F]))+', string) 
    return url 

# Driver Code 
string = 'My Profile: https://auth.geeksforgeeks.org 
/ user / Chinmoy % 20Lenka / articles in 
the portal of http://www.geeksforgeeks.org/' 
print("Urls: ", Find(string))

如何从字符串中提取网址数据

3 个答案: