影刀RPA新手教程_从文本提取数据的4种方法

影刀RPA新手教程：从文本中提取数据的4种方法——正则、split、截取、JSON解析

上篇Python代码指令里讲了正则，但这只是四种提取方式之一。实际场景里，不同格式的文本需要对应不同的提取方法。

选对方法，一行代码的事。选错了，正则写到头秃。

一、四种方法的适用场景

判定原则：

看数据源。如果是网页上采集的文本 → 正则或split。如果是调用API拿到的数据 → JSON解析。如果是固定格式的编号（比如订单号） → 字符串截取。

二、方法1：正则提取（复用上篇+补充）

上篇讲了基本用法，这里补充两个电商高频场景：

场景：提取商品规格参数

importre 规格文本="颜色：黑色,白色,红色 尺码：S,M,L,XL 材质：纯棉"# 提取所有冒号后面的内容参数对=re.findall(r'(\S+)：(\S+)',规格文本)# 结果：[("颜色", "黑色,白色,红色"), ("尺码", "S,M,L,XL"), ("材质", "纯棉")]# 转成字典方便使用参数字典={k:vfork,vin参数对}print(参数字典['颜色'])# "黑色,白色,红色"

场景：从SKU文本里提取规格和库存

SKU文本="白色-S码-库存35件"规格=re.search(r'(.+)-(.+)-库存(\d+)件',SKU文本)if规格:颜色=规格.group(1)# "白色"尺码=规格.group(2)# "S码"库存=规格.group(3)# "35"

三、方法2：split分割

分隔符明确的场景，split比正则直观。

# 场景1：逗号分隔的关键词关键词="连衣裙,夏季,法式,收腰,显瘦"词列表=关键词.split(',')# ["连衣裙", "夏季", "法式", "收腰", "显瘦"]# 场景2：换行分隔的地址（从订单里采集的收货地址）地址="广东省\n深圳市\n南山区\n科技园路100号"省份=地址.split('\n')[0]# "广东省"城市=地址.split('\n')[1]# "深圳市"# 场景3：用固定符号分割（竖线分隔的多字段数据）数据行="商品001|白色|S码|128.00|30件"字段列表=数据行.split('|')商品ID=字段列表[0]# "商品001"颜色=字段列表[1]# "白色"价格=字段列表[3]# "128.00"

split的坑：分隔符出现在内容里

# ❌ 价格里有逗号，split会多切一个字段字段="销售额：1,280.50元，利润：320.00元"# 直接用逗号split → 切成4段而不是3段# ✅ 先用正则把数字里的逗号处理掉importre 字段=re.sub(r'(\d),(\d)',r'\1\2',字段)# "销售额：1280.50元，利润：320.00元"

四、方法3：字符串截取

固定格式的编号、固定长度的编码，用切片。

# 订单号格式：年月日+流水号，共14位订单号="20260609001234"日期=订单号[:8]# "20260609" （前8位）流水=订单号[8:]# "001234" （后6位）# 商品SKU编码：前3位品类+中间4位颜色+后3位尺码SKU="002WHI0M01"品类码=SKU[0:3]# "002"颜色码=SKU[3:7]# "WHI0"尺码码=SKU[7:10]# "M01"# 反向截取：取最后N个字符文件名="拼多多_连衣裙_20260609.xlsx"日期=文件名[-14:-5]# "20260609" （从倒数第14到倒数第5）扩展名=文件名[-4:]# "xlsx"

五、方法4：JSON解析

适合从API接口拿到的结构化数据。

importjson# 假设调用飞书API拿到一段JSONresp_text='{"code":0,"data":{"name":"连衣裙","price":128,"stock":500}}'# 解析JSONdata=json.loads(resp_text)商品名=data['data']['name']# "连衣裙"库存=data['data']['stock']# 500# 如果是列表结构商品列表_json=''' ![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/b2e2b1d047294b10a08a7e5a43e51c2a.png#pic_center) [ {"name": "连衣裙", "price": 128}, {"name": "T恤", "price": 59} ] '''商品列表=json.loads(商品列表_json)for商品in商品列表:print(商品['name'],商品['price'])# 连衣裙 128# T恤 59

六、四种方法组合实战——清洗一条商品数据

# 原始数据：从网页上采集的一条商品文本原始数据='【爆款】夏季连衣裙 法式收腰 ¥128.00 | 已售:10万+ | 颜色:黑,白,红 | {"sku_id":"SKU001","warehouse":"深圳仓"}'importreimportjson# 1. split分割取字段块字段块=原始数据.split('|')# ["【爆款】夏季连衣裙 法式收腰 ¥128.00 ", " 已售:10万+ ", " 颜色:黑,白,红 ", ' {"sku_id":"SKU001","warehouse":"深圳仓"}']# 2. 正则从标题块里提取价格标题块=字段块[0]标题=re.sub(r'【.*?】','',标题块).strip()# "夏季连衣裙 法式收腰 ¥128.00"价格=float(re.search(r'\d+\.?\d*',标题块).group())# 128.0标题_纯=re.sub(r'¥.*','',标题).strip()# "夏季连衣裙 法式收腰"# 3. split从颜色块提取颜色列表颜色块=字段块[2]颜色列表=颜色块.split(':')[1].strip().split(',')# ["黑", "白", "红"]# 4. JSON解析最后一个块Sku块=字段块[3].strip()Sku数据=json.loads(Sku块)货号=Sku数据['sku_id']# "SKU001"仓库=Sku数据['warehouse']# "深圳仓"# 最终结果print(f"标题:{标题_纯}")print(f"价格:{价格}")print(f"颜色:{颜色列表}")print(f"货号:{货号}, 仓库:{仓库}")

七、选型速查

作者：林焱

本文为《影刀RPA学习手册》系列文章之一，内容源于实操经验的整理与分享。