使用正则表达式解析 json 响应中的 HTML答案

【问题标题】：Use regex to parse HTML in json response使用正则表达式解析 json 响应中的 HTML
【发布时间】：2021-07-28 05:30:01
【问题描述】：

我在label 中有这个带有嵌套 HTML 的 json 响应（通过 python 返回）：

{
"point": {
"lat": "27.938829",
"long": "-82.322109"
},
"label": "<div class=\"lifestyle-results_item lifestyle-results_item-b\"><div class=\"locationinfo_area\"><h4 style=\"width:230px;\">At Petco</h4><h3 class=\"dealer_cat\"></h3><address style=\"left:240px\">2434 West Brandon Boulevard<br />Brandon, FL 33511<br /><br />813-571-0120<div class=\"contentinfo_area_operated\"></div></address></div><div class=\"contentinfo_area\"><div class=\"contentinfo_area_zip\">4.2 mi from Zip Code 33584</div></div><a href=\"https://vetcoclinics.petco.com?store_number=PET2722&source=vetcoclinics\" target=\"_blank\"><div class=\"contentinfo_area\"><div class=\"contentinfo_area_reserve\">BOOK NOW</div></div></a><div class=\"timeinfo_area\"><b>Sun, May 9</b><br/> at 10:00 AM - 1:00 PM<br /><b>Sun, May 16</b><br/> at 10:00 AM - 1:00 PM<br /><b>Sun, May 23</b><br/> at 10:00 AM - 1:00 PM<br /><b>Sun, May 30</b><br/> at 10:00 AM - 1:00 PM<br /><b>Sun, June 6</b><br/> at 10:00 AM - 1:00 PM<br /></div></div>",
"title": "At Petco ",
"html": "<div class=\"googlemap_bubble\"><b>At Petco<br><span></span></b><br />2434 West Brandon Boulevard<br />Brandon, FL 33511<br />813-571-0120<br /></div>"
}

如何使用正则表达式从label 中提取打击：

2434 西布兰登大道
布兰登，佛罗里达州 33511
813-571-0120
https://vetcoclinics.petco.com?store_number=PET2722&source=vetcoclinics\
PET2722

【问题讨论】：

你可以创建一个新元素，使其成为 innerHTML，然后从那里读取 ;-;
你使用什么环境/语言来解析这个 JSON？
@geauser python.
@TheBombSquad 有趣，好吧我会尝试。
看看docs.python.org/3/library/html.parser.html@a1234 自从我使用 Python 以来已经有一段时间了，我无法为您提供更多帮助，但与 Regex 相比，它肯定只是您的代码解决方案。

标签： python html json

【解决方案1】：

我建议您避免使用正则表达式并坚持使用 Beautiful Soup 进行 HTML 解析

假设您的 JSON 数据位于名为 data 的变量中，您可以执行以下操作：

from bs4 import BeautifulSoup

htmlData = data["label"]
soup = BeautifulSoup(htmlData, 'html.parser')

address = soup.address.string
link = soup.a.get('href')

然后你可以使用简单的拆分来获取address变量中的附加数据：

addressParts = address.split("<br />")

并使用 url 解析器从您的 link 变量中获取 store_number 参数：

from urllib import parse

storeName = parse.parse_qs(parse.urlparse(link).query)['store_name'][0]

你最终会得到

addressParts 列表包含元素 ["2434 West Brandon Boulevard", "Brandon, FL 33511", "", "813-571-0120"]
link 变量包含 https://vetcoclinics.petco.com?store_number=PET2722&source=vetcoclinics\
storeName 变量包含 PET2722

【讨论】：