[已解决]关于json数据集如何处理

昨非

疾风怪盗 发表于 2020-11-25 21:37
json格式很简单，4楼回答的就很全了，我一般都爬下来后先保存了，再用pycharm打开，格式化一下，就可以看到 ...

就是只能遍历一层层找了是吧（遍历我应该还搞的定。。就是太多了）

还有，关于提取出来的内容（键值对的值）存储有没有什么建议，，

后期可能还需要用到关键字匹配啥的（就是找到图中标注的text的句子按关键字分类统计）
有何建议？？

疾风怪盗

昨非 发表于 2020-11-25 21:40
确实不全，整个json太大了，粘不上来
正则表达式我没学过，就很难，而且数据量巨多

json数据不全的话，排错就很麻烦了，一长串去找结构，比较麻烦

用re其实很简单，就这样findall就能把对应标签key的找出来

疾风怪盗

昨非 发表于 2020-11-25 21:44
就是只能遍历一层层找了是吧（遍历我应该还搞的定。。就是太多了）

还有，关于提取出来的内容（键值对 ...

你那个图，我到现在也没刷出来

数据存储，我一般爬虫都是按json存的，只要格式对了，还是很方便的，结构清晰

昨非

疾风怪盗 发表于 2020-11-25 21:45
json数据不全的话，排错就很麻烦了，一长串去找结构，比较麻烦

用re其实很简单，就这样findall就能把 ...

这个不用你排错了，挺难的麻烦了

你说的re需要考虑层数吗，就是那种嵌套的影不影响？

疾风怪盗

昨非 发表于 2020-11-25 21:47
这个不用你排错了，挺难的麻烦了

你说的re需要考虑层数吗，就是那种嵌套的影不影响？

用re就是像字符串一样找了，不考虑层数，考虑的是匹配，就像我写的那样，考虑的是

'"id":(.*?),'

.*？就是内容了，前后字符一致就能找到

昨非

疾风怪盗 发表于 2020-11-25 21:48
用re就是像字符串一样找了，不考虑层数，考虑的是匹配，就像我写的那样，考虑的是
.*？就是内容了，前后 ...

嗯嗯，具体语法我自己查吧，起码有方向了

还有问题就是
对于好多字符串按关键字分类有没有什么思路或建议？

疾风怪盗

昨非 发表于 2020-11-25 21:47
这个不用你排错了，挺难的麻烦了

你说的re需要考虑层数吗，就是那种嵌套的影不影响？

你那个图我刷出来了，你要的就是text内容
就是19楼我写的这样，就能找出来

['"\\/\\/@笑多了会变态:北京暴雨致使有人打不开车门造成溺亡，其实被困在车里逃生时"', '"抱歉，此微博已被作者删除。查看帮助：http:\\/\\/t.cn\\/zWSudZc"', '"威尼斯当地时间9月3日晚7点，阔别银幕多时的张曼玉带着两部出演的短片回到聚光灯前，在其中一部讲述中国非法移民在英国海滩拾贝遇难事件的短片中，张曼玉更是以毫无台词的福建一带女神妈祖一角出镜。"', '"收到北京暴雨提示短信：市气象台19时35分发布暴雨蓝色预警信号：未来3小时房山东部、大兴、城六区、通州等地雨量将超过30毫米，城区防积水，山区灾区防地质灾害"', '"北京暴雨受灾为何不见哭？"', '"总理在哪里？原来在开会。温总：尽快推一批民间投资参与的重点项目"', '"[蠟燭]\\/\\/@灵性之瓶: [蜡烛]\\/\\/@董净心: [蜡烛]\\/\\/@妙音智凯: [蜡烛]\\/\\/@成就深信: [蜡烛][蜡烛][蜡烛] \\/\\/@春華秋實微语录: 阿弥陀佛！[蠟燭]让我们共同祈祷北京天津[心]及7.21遇难亡灵得生净土；祈愿受灾群众早日恢复往日的家园。 [蠟燭][蠟燭][蠟燭]愿生者吉祥安乐 逝者脱离苦难！[蠟燭]"']

昨非

疾风怪盗 发表于 2020-11-25 21:48
用re就是像字符串一样找了，不考虑层数，考虑的是匹配，就像我写的那样，考虑的是
.*？就是内容了，前后 ...

是不是出发审核了？
刚刚有条消息不太对劲？

疾风怪盗

昨非 发表于 2020-11-25 21:50
嗯嗯，具体语法我自己查吧，起码有方向了

还有问题就是

你这个字符串按关键字分类，看不懂是什么意思

是这样？

data = {'a': ['a1', 'a2'], 'b':['b1', 'b2']}

昨非

疾风怪盗 发表于 2020-11-25 21:54
你这个字符串按关键字分类，看不懂是什么意思

是这样？

好吧，我是我没描述清楚
这是爬出来的评论内容，我们现在要将这些评论（字符串）
按照某些关键字归类然后方便后面的数据统计和可视化

疾风怪盗

昨非 发表于 2020-11-25 21:56
好吧，我是我没描述清楚
这是爬出来的评论内容，我们现在要将这些评论（字符串）
按照某些关键字归类然 ...

就是要在text内找关键字吧？我之前写的，就是用字符串的find方法，循环了一个关键词的txt文档，你这数据量大，估计不适用了。。。。。。。。。。。你也可以用re来匹配，这个应该会快一点

昨非

疾风怪盗 发表于 2020-11-25 21:58
就是要在text内找关键字吧？我之前写的，就是用字符串的find方法，循环了一个关键词的txt文档，你这数据 ...

好吧，我回头先操作下试试，有什么问题再来请教，多谢了

昨非

疾风怪盗 发表于 2020-11-25 22:07
比如这样，找出暴雨和总理两个关键词

"\/\/@笑多了会变态:北京暴雨致使有人打不开车门造成溺亡，其实 ...

爱了，谢了老哥
这个最佳本来以为要挂一段时间
你这也太给力了吧

昨非

疾风怪盗 发表于 2020-11-25 21:54
你这个字符串按关键字分类，看不懂是什么意思

是这样？

后续有啥细节问题我可就再来问哈
谢了老哥

xiebg

疾风怪盗 发表于 2020-11-25 18:24
比如这样，找出暴雨和总理两个关键词

"\/\/@笑多了会变态:北京暴雨致使有人打不开车门造成溺亡，其实 ...