鱼C论坛

 找回密码
 立即注册
查看: 1536|回复: 4

关于提取json数据

[复制链接]
发表于 2020-7-30 10:11:21 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能^_^

您需要 登录 才可以下载或查看,没有账号?立即注册

x
from bs4 import BeautifulSoup
import requests
from pyquery import PyQuery as pq
import json

url='https://www.zhihu.com/question/404413681/answer/1354281798'
headers={
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 '
              '(KHTML, like Gecko) Chrome/83.0.4103.106 Safari/537.36'
}
html=requests.get(url,headers=headers).text
soup=BeautifulSoup(html,'lxml')

doc=pq(html)
items=doc('#js-initialData').items()
for item in items:
    print(item.text())
运行后得到一长串数据,怎么提取出其中的汉字内容尼?
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

发表于 2020-7-30 10:17:08 | 显示全部楼层
可以用正则提取汉字
from bs4 import BeautifulSoup
import requests
from pyquery import PyQuery as pq
import json
import re

url = 'https://www.zhihu.com/question/404413681/answer/1354281798'
headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 '
                  '(KHTML, like Gecko) Chrome/83.0.4103.106 Safari/537.36'
}
html = requests.get(url, headers=headers).text
soup = BeautifulSoup(html, 'lxml')

doc = pq(html)
items = doc('#js-initialData').items()
for item in items:
    print(re.findall(r'[\u4e00-\u9fa5]+', item.text()))
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2020-7-30 11:21:43 From FishC Mobile | 显示全部楼层
zltzlt 发表于 2020-7-30 10:17
可以用正则提取汉字:

不能用key索引,提取值吗?
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2020-7-30 11:34:30 From FishC Mobile | 显示全部楼层
zltzlt 发表于 2020-7-30 10:17
可以用正则提取汉字:

我要提取里面的content的value
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2020-7-30 11:46:12 | 显示全部楼层
zltzlt 发表于 2020-7-30 10:17
可以用正则提取汉字:
from bs4 import BeautifulSoup
import requests
from pyquery import PyQuery as pq
import json
import re

url='https://www.zhihu.com/question/404413681/answer/1354281798'
headers={
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 '
              '(KHTML, like Gecko) Chrome/83.0.4103.106 Safari/537.36'
}
html=requests.get(url,headers=headers).text
soup=BeautifulSoup(html,'lxml')

doc=pq(html)
items=doc('#js-initialData').items()
for item in items:
    print(re.findall(r'"content":"(.*?)"',item.text()))
就算用正则提取出了content的value,怎么样把他按下图的格式打印出来尼,还有每行文字都有些符号怎么去掉尼
5.png
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Archiver|鱼C工作室 ( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)

GMT+8, 2025-1-19 17:01

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表