<script type="application/ld+json">{
"@context": "http://schema.org",
"@type": "SaleEvent",
"name": "10% Off First Orders",
"url": "https://www.myvouchercodes.co.uk/coggles",
"image": "https://mvp.tribesgds.com/dyn/oh/Ow/ohOwXIWglMg/_/mQR5xLX5go8/m0Ys/coggles-logo.png",
"startDate": "2017-02-17",
"endDate": "2017-12-31",
"location": {
"@type": "Place",
"name": "Coggles",
"url": "coggles.co.uk",
"address": "Coggles"
},
"description": "Get the top branded fashion items from Coggles at discounted prices. Apply this code and enjoy savings on your purchase.",
"eventStatus": "EventScheduled"
}</script>
怎么用python正则从这段脚本中提取coggles.co.uk域名呢,望各路高手指点显示下身手...
正则实现的话只要保证你的标定/特征是唯一的就好。但是
"url"
这个标志又不是唯一的。这个时候@prolifes的方法是很好的。如果一定要正则实现呢,要用到零宽断言(zero-width assertions),当然这个词的翻译比较直,带来很多误解。它其实意思是指定位置的匹配,位置的宽度就是0嘛。
这里我们可以看到我们所需的这个
"url"
在"location"
里面,可以以此为位置信息。代码如下:
稍微解释一下,
(?<=location)
这个地方就是指前面得有location。后面有的话这样写:(?=location)
re.DOTALL
这个是必须的,因为这些字符串已经跨行了。他的作用是将.
的字符串匹配范围扩大,包含换行符。"([^"]+)"
这个地方是我的习惯,[^"]
意指所有非"
的字符,这就匹配了双引号中所有的字符串。