关于提取json数据

tiger吴

1. from bs4 import BeautifulSoup
   
2. import requests
   
3. from pyquery import PyQuery as pq
   
4. import json
   
5. 
   
6. url='https://www.zhihu.com/question/404413681/answer/1354281798'
   
7. headers={
   
8. 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 '
   
9.               '(KHTML, like Gecko) Chrome/83.0.4103.106 Safari/537.36'
   
10. }
    
11. html=requests.get(url,headers=headers).text
    
12. soup=BeautifulSoup(html,'lxml')
    
13. 
    
14. doc=pq(html)
    
15. items=doc('#js-initialData').items()
    
16. for item in items:
    
17.     print(item.text())

复制代码

运行后得到一长串数据，怎么提取出其中的汉字内容尼？

zltzlt

可以用正则提取汉字：

1. from bs4 import BeautifulSoup
   
2. import requests
   
3. from pyquery import PyQuery as pq
   
4. import json
   
5. import re
   
6. 
   
7. url = 'https://www.zhihu.com/question/404413681/answer/1354281798'
   
8. headers = {
   
9.     'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 '
   
10.                   '(KHTML, like Gecko) Chrome/83.0.4103.106 Safari/537.36'
    
11. }
    
12. html = requests.get(url, headers=headers).text
    
13. soup = BeautifulSoup(html, 'lxml')
    
14. 
    
15. doc = pq(html)
    
16. items = doc('#js-initialData').items()
    
17. for item in items:
    
18.     print(re.findall(r'[\u4e00-\u9fa5]+', item.text()))

复制代码

tiger吴

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？

tiger吴

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

tiger吴

zltzlt 发表于 2020-7-30 10:17
可以用正则提取汉字：

1. from bs4 import BeautifulSoup
   
2. import requests
   
3. from pyquery import PyQuery as pq
   
4. import json
   
5. import re
   
6. 
   
7. url='https://www.zhihu.com/question/404413681/answer/1354281798'
   
8. headers={
   
9. 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 '
   
10.               '(KHTML, like Gecko) Chrome/83.0.4103.106 Safari/537.36'
    
11. }
    
12. html=requests.get(url,headers=headers).text
    
13. soup=BeautifulSoup(html,'lxml')
    
14. 
    
15. doc=pq(html)
    
16. items=doc('#js-initialData').items()
    
17. for item in items:
    
18.     print(re.findall(r'"content":"(.*?)"',item.text()))

复制代码

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