Extract Teilstring aus komplexen HTML in geschweiften Klammern und eckigen Klammern mit regulären Ausdrücken Regex in Python

-1

(Ich habe diesen Beitrag aktualisiert, um ein genaueres Bild des Problems zu reflektieren. Dazu gehören die Bereitstellung von mehr Informationen, die ich anfangs ausgelassen.)Extract Teilstring aus komplexen HTML in geschweiften Klammern und eckigen Klammern mit regulären Ausdrücken Regex in Python

Alles, was ich versucht habe, um die gewünschten Zeichenfolgen zu erhalten, führt zu einem AttributeError: 'NoneType' Objekt hat kein Attribut 'Gruppe'.

Hier ist mein Code:

image = re.search("photo: /\[[^\]]+\]/", text)   
image = image.group(1)

Ich versuche immer noch regex zu lernen, aber dieses für eine Schleife für viel zu lange werfen mich ist.

Ich möchte nur den Teil des JSON, der den Foto-Link enthält. Das ist alles, was die "uploadTime" vorangeht mit Ausnahme der "id":

Hier ist das Stück von JSON in Frage:

photo: [{ 
    "id": "http:\/\/img.ksl.com\/mx\/mplace-classifieds.ksl.com\/1159545-1498418383-59832.jpg", 
    "uploadTime": { 
     "sec": 1498418386, 
     "usec": 192000 
    }, 
    "extension": "jpg", 
    "md5": "6fac68fbcbdb31d17af7be277ab673be", 
    "height": 600, 
    "width": 800, 
    "description": "", 
    "originalFilePath": "", 
    "originalFileName": "photo_0D993ADA-8AFC-4A79-8F9B-18E6F6C30B94.jpg" 
}, { 
    "id": "http:\/\/img.ksl.com\/mx\/mplace-classifieds.ksl.com\/1159545-1498418389-472609.jpg", 
    "uploadTime": { 
     "sec": 1498418392, 
     "usec": 118000 
    }, 
    "extension": "jpg", 
    "md5": "6470e562d650099a1cafe9281f951c21", 
    "height": 600, 
    "width": 800, 
    "description": "", 
    "originalFilePath": "", 
    "originalFileName": "photo_335B7BC0-F6DE-4E19-8489-3AA7B3920144.jpg" 
}, { 
    "id": "http:\/\/img.ksl.com\/mx\/mplace-classifieds.ksl.com\/1159545-1498418397-06491.jpg", 
    "uploadTime": { 
     "sec": 1498418400, 
     "usec": 161000 
    }, 
    "extension": "jpg", 
    "md5": "5f2df3edfed164c062e739c0c3258970", 
    "height": 600, 
    "width": 800, 
    "description": "", 
    "originalFilePath": "", 
    "originalFileName": "photo_9C57A971-9748-4DBD-919D-8D532C8D7C1A.jpg" 
}, { 
    "id": "http:\/\/img.ksl.com\/mx\/mplace-classifieds.ksl.com\/1159545-1498418403-391642.jpg", 
    "uploadTime": { 
     "sec": 1498418406, 
     "usec": 936000 
    }, 
    "extension": "jpg", 
    "md5": "098dfa4d40e33c6897f62edc471670dd", 
    "height": 600, 
    "width": 800, 
    "description": "", 
    "originalFilePath": "", 
    "originalFileName": "photo_A55BD209-3BFB-447E-AE59-40CF656664A8.jpg" 
}, { 
    "id": "http:\/\/img.ksl.com\/mx\/mplace-classifieds.ksl.com\/1159545-1498418409-263588.jpg", 
    "uploadTime": { 
     "sec": 1498418412, 
     "usec": 789000 
    }, 
    "extension": "jpg", 
    "md5": "50b69c1db486f4bb6af723f7395a360b", 
    "height": 600, 
    "width": 800, 
    "description": "", 
    "originalFilePath": "", 
    "originalFileName": "photo_8BCDC2F0-8CBA-442C-98F5-0389455C8014.jpg" 
}, { 
    "id": "http:\/\/img.ksl.com\/mx\/mplace-classifieds.ksl.com\/1159545-1498418415-54882.jpg", 
    "uploadTime": { 
     "sec": 1498418418, 
     "usec": 462000 
    }, 
    "extension": "jpg", 
    "md5": "34296cda28b212a6c5590f233a2dca09", 
    "height": 600, 
    "width": 800, 
    "description": "", 
    "originalFilePath": "", 
    "originalFileName": "photo_726D1636-E3A9-4515-9B95-55161FAAF730.jpg" 
}, { 
    "id": "http:\/\/img.ksl.com\/mx\/mplace-classifieds.ksl.com\/1159545-1498418421-389128.jpg", 
    "uploadTime": { 
     "sec": 1498418424, 
     "usec": 518000 
    }, 
    "extension": "jpg", 
    "md5": "265087f19c17a99561a817f02a097b21", 
    "height": 600, 
    "width": 800, 
    "description": "", 
    "originalFilePath": "", 
    "originalFileName": "photo_09B01A71-46F2-4D8F-9153-CE0F0017495A.jpg" 
}]

Diese JSON Stück Teil einer größeren Zeichenfolge ist:

<script type="text/javascript"> 
     var listingData = {}; 
     var userData = {}; 

     window.detailPage = window.detailPage || {}; 
        window.detailPage.listingData = { 
       id: 44782446, 
       status: "Active", 
       createTime: 1498418380, 
       displayTime: 1500694902, 
       expireTime: 1503286902, 
       title: "Yamaha RX-V461", 
       description: "Great Audio\/Video 5.1 surround receiver. Great condition ", 
       city: "South Jordan", 
       state: "UT", 
       zip: 84095, 
       contactName: "Robert", 
       contactHomePhone: "801-635-6040", 
       contactCellPhone: "801-635-6040", 
       contactEmail: "hasEmail", 
       lat: 40.5693, 
       lon: -111.9672, 
       latLon: "40.5693,-111.9672", 
       price: 50, 
       category: "Electronics", 
       subCategory: "Home Audio Receivers", 
       marketType: "Sale", 
       sellerType: "Private", 
       photo: [{"id":"http:\/\/img.ksl.com\/mx\/mplace-classifieds.ksl.com\/1159545-1498418383-59832.jpg","uploadTime":{"sec":1498418386,"usec":192000},"extension":"jpg","md5":"6fac68fbcbdb31d17af7be277ab673be","height":600,"width":800,"description":"","originalFilePath":"","originalFileName":"photo_0D993ADA-8AFC-4A79-8F9B-18E6F6C30B94.jpg"},{"id":"http:\/\/img.ksl.com\/mx\/mplace-classifieds.ksl.com\/1159545-1498418389-472609.jpg","uploadTime":{"sec":1498418392,"usec":118000},"extension":"jpg","md5":"6470e562d650099a1cafe9281f951c21","height":600,"width":800,"description":"","originalFilePath":"","originalFileName":"photo_335B7BC0-F6DE-4E19-8489-3AA7B3920144.jpg"},{"id":"http:\/\/img.ksl.com\/mx\/mplace-classifieds.ksl.com\/1159545-1498418397-06491.jpg","uploadTime":{"sec":1498418400,"usec":161000},"extension":"jpg","md5":"5f2df3edfed164c062e739c0c3258970","height":600,"width":800,"description":"","originalFilePath":"","originalFileName":"photo_9C57A971-9748-4DBD-919D-8D532C8D7C1A.jpg"},{"id":"http:\/\/img.ksl.com\/mx\/mplace-classifieds.ksl.com\/1159545-1498418403-391642.jpg","uploadTime":{"sec":1498418406,"usec":936000},"extension":"jpg","md5":"098dfa4d40e33c6897f62edc471670dd","height":600,"width":800,"description":"","originalFilePath":"","originalFileName":"photo_A55BD209-3BFB-447E-AE59-40CF656664A8.jpg"},{"id":"http:\/\/img.ksl.com\/mx\/mplace-classifieds.ksl.com\/1159545-1498418409-263588.jpg","uploadTime":{"sec":1498418412,"usec":789000},"extension":"jpg","md5":"50b69c1db486f4bb6af723f7395a360b","height":600,"width":800,"description":"","originalFilePath":"","originalFileName":"photo_8BCDC2F0-8CBA-442C-98F5-0389455C8014.jpg"},{"id":"http:\/\/img.ksl.com\/mx\/mplace-classifieds.ksl.com\/1159545-1498418415-54882.jpg","uploadTime":{"sec":1498418418,"usec":462000},"extension":"jpg","md5":"34296cda28b212a6c5590f233a2dca09","height":600,"width":800,"description":"","originalFilePath":"","originalFileName":"photo_726D1636-E3A9-4515-9B95-55161FAAF730.jpg"},{"id":"http:\/\/img.ksl.com\/mx\/mplace-classifieds.ksl.com\/1159545-1498418421-389128.jpg","uploadTime":{"sec":1498418424,"usec":518000},"extension":"jpg","md5":"265087f19c17a99561a817f02a097b21","height":600,"width":800,"description":"","originalFilePath":"","originalFileName":"photo_09B01A71-46F2-4D8F-9153-CE0F0017495A.jpg"}], 
       standardFeaturedDates: [], 
       favorited: 1, 
       pageViews: 68    }; 

      window.detailPage.sellerData = { 
       sellerId: 1159545, 
       sellerAccountAge: "Nov 2010", 
       moreListingsFromSeller: [{"id":44782211,"displayTime":1500694907,"price":100,"title":"Moto Gear 3 Helmets and Alpine Star Tech 6 Boots S","photo":"http:\/\/img.ksl.com\/mx\/mplace-classifieds.ksl.com\/1159545-1498417151-456217.jpg"},{"id":44782400,"displayTime":1500694904,"price":30,"title":"Belts Pouch, Canteen Holsters For 2 Canteens","photo":"http:\/\/img.ksl.com\/mx\/mplace-classifieds.ksl.com\/1159545-1498418072-282620.jpg"}]    }; 

      window.detailPage.userData = { 
       testUser: Boolean(0) 
      }; 
          </script>

Wie kann ich extrahieren das Stück, das ich will?

Danke für das Betrachten meiner Frage!

Quelle

2017-07-22 Thania

Woah. Dies ist kein HTML. Das ist JSON. Und Sie sollten einen JSON-Parser verwenden. –

Sie haben auch nicht angegeben, in welcher Sprache Sie eine Lösung wünschen. –

Wahrscheinlich ein Fake-Konto für den Benutzer @AlexR, der [diese Frage] gepostet hat (https://stackoverflow.com/questions/45257932/how-to-extract- String-from-Complex-Javascript-Text-HTML-Container-Nested-in-betw) eine Stunde vor. –

Vielleicht werden Sie nicht mehr fragen? Und wenn das funktioniert, weißt du, dass du es akzeptierst, wie?

Diese hässliche Sache kann als eine Liste von Json 'Parsables' angesehen werden, wenn Sie so wollen. Ich legte es in eine Datei, die ich in ein Skript lesen konnte. Nachdem ich es eingelesen hatte, löschte ich die ersten paar Zeichen und das letzte ']' und ließ nur die parsablen Elemente übrig, abzüglich ihrer Anfangsbits.

Dann habe ich die Spaltung, nicht zu vergessen, dass das erste Stück aus dem Split nicht verwendet werden würde. Das Füttern jedes Stücks in den JSON-Parser ergab ein Wörterbuch, aus dem der gewünschte Gegenstand ausgewählt werden konnte.

>>> import json 
>>> import re 
>>> complete = open('temp.json').read()[6:-1] 
>>> pieces = re.split(r',?\s*\{\s*"id"', complete) 
>>> for piece in pieces[1:]: 
...  items = json.loads('{"id"'+piece) 
...  items['id'] 
... 
'http://img.ksl.com/mx/mplace-classifieds.ksl.com/1159545-1498418383-59832.jpg' 
'http://img.ksl.com/mx/mplace-classifieds.ksl.com/1159545-1498418389-472609.jpg' 
'http://img.ksl.com/mx/mplace-classifieds.ksl.com/1159545-1498418397-06491.jpg' 
'http://img.ksl.com/mx/mplace-classifieds.ksl.com/1159545-1498418403-391642.jpg' 
'http://img.ksl.com/mx/mplace-classifieds.ksl.com/1159545-1498418409-263588.jpg' 
'http://img.ksl.com/mx/mplace-classifieds.ksl.com/1159545-1498418415-54882.jpg' 
'http://img.ksl.com/mx/mplace-classifieds.ksl.com/1159545-1498418421-389128.jpg'

EDIT: Problem geändert. Sehr ähnlich, außer dass es ein wenig mehr Arbeit ist, die Zeile mit den gewünschten Informationen zu öffnen. Das ist der Zweck der zusätzlichen match Operation. Beachten Sie auch, dass sich die vorherige Zeile geändert hat.

>>> import json 
>>> import re 
>>> complete = open('temp.json').read() 
>>> m = re.match(r'.*?photo:\s+\[([^]]+)]', complete, re.DOTALL) 
>>> pieces = re.split(r',?\s*\{\s*"id"', m.groups(0)[0]) 
>>> for piece in pieces[1:]: 
...  items = json.loads('{"id"'+piece) 
...  items['id'] 
...  
'http://img.ksl.com/mx/mplace-classifieds.ksl.com/1159545-1498418383-59832.jpg' 
'http://img.ksl.com/mx/mplace-classifieds.ksl.com/1159545-1498418389-472609.jpg' 
'http://img.ksl.com/mx/mplace-classifieds.ksl.com/1159545-1498418397-06491.jpg' 
'http://img.ksl.com/mx/mplace-classifieds.ksl.com/1159545-1498418403-391642.jpg' 
'http://img.ksl.com/mx/mplace-classifieds.ksl.com/1159545-1498418409-263588.jpg' 
'http://img.ksl.com/mx/mplace-classifieds.ksl.com/1159545-1498418415-54882.jpg' 
'http://img.ksl.com/mx/mplace-classifieds.ksl.com/1159545-1498418421-389128.jpg'

Quelle

2017-07-22 21:29:58

Ich schätze die Einstellung nicht, aber ich schätze Ihre Zeit und Lösung, danke Bill. Ich konnte das Ergebnis jedoch nicht auf meinem Computer reproduzieren, da ich nicht genügend Kontext in meinen Code eingegeben habe! (Doh!) Das Stück Code, das ich zur Verfügung gestellt habe, ist Teil eines größeren Stückes "Javascript/Text"; Ich hatte Probleme, das Stück JSON-Parsables zu isolieren, das ich euch gegeben habe. – Thania

Ich habe die Frage aktualisiert, um genau zu widerspiegeln, womit ich zu kämpfen habe. – Thania

Nichts für ungut beabsichtigt. Es ist mir wirklich egal, ob du deine Identität fälschst oder nicht. Kann nicht widerstehen, zu necken. –

Extract Teilstring aus komplexen HTML in geschweiften Klammern und eckigen Klammern mit regulären Ausdrücken Regex in Python

Antwort

Verwandte Themen