想了一个多小时，求个{正则}大神看看如何正则出下面 json 里的数据。

[jin6220]

每次正则都有从头看一遍，
想了一个多小时了。
就把标题给正则出了
还有标题下下面的网址求问如何弄出来？
"title_hide": "给你的键盘加上无线 PPT 控制功能吧",
"date_modified": "2013-05-24T11:23:42.260648+08:00",
"url": "http://www.guokr.com/article/437046/",
"title": "给你的键盘加上无线 PPT 控制功能吧",
"small_image": "http://2.im.guokr.com/BFnIhI2uKOFbTt44KurAN3zMyaJjXmao9OciN4ayjkLgAQAASQEAAEpQ.jpg",
"summary": "这个项目也是一个很好的焊接技巧入门练习。",
"ukey_author": "m4tq2j",
"date_created": "2013-05-24T11:19:42.252645+08:00",
"resource_url": "http://apis.guokr.com/minisite/article/437046.json"
上面代码是 json 一角，需要的部分是 title_hide ，这个已解出，另一个部分是下下行的 url.


这是我写的代码：

import requests
import re
import json
from bs4 import BeautifulSoup
headers={'User-Agent':'Mozilla/5.0 (Windows NT 6.3; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/52.0.2743.116 Safari/537.36'}
def gker(url):
html=requests.get(url, headers=headers).text
return html

j=gker('http://www.guokr.com/apis/minisite/article.jsonretrieve_type=by_subject&subject_key=diy&limit=20&offset=18&_=1484373021355')
j2=str(json.loads(j)) #必须转换成字符串才能正则匹配。

titles=re.findall(r"(?<='title_hide':).*?(?=,)",j2,re.M)
print(len(titles))
for title in titles:
print(title)

urls=re.findall(r"'url':(.*?),.?'title'",j2,re.M) #这里不对，不知道如何弄出来了
print(len(urls),urls)

[jin6220]

@allenhu 我是新手，不过也不从事程序猿专业，接触的数据应该都会很简单。

[jin6220]

正则前后关系匹配："url"\s*:\s*"(.+?)"\,\s*"title re.M
但是实际 url 的邻居可能会变.

[jin6220]

吃饭去了。。。
总结下
非正则的办法：
第一步： a=j2['result'] （这里 j2 就不用字符串话了）
a 是一个列表，里面是 20 个并联关系的字典。
第二部：
>>> for b in a :
print(b.get('title_hide'))
>>> for b in a :
print(b.get('url'))

正则方法：
第一种
urls=re.findall(r"(?<='url':)\s*'http://www.guokr.com/article/\d{5,7}/'(?=,)",str(j2))
第二种（看运气，前后邻居可能会变，然后就失效）
urlsre=re.findall(r"'url'\s*:\s*'(.+?)',\s*'title'",str(j2),re.M)

[Valyrian]

这是理论上行不通的，因为 regex parse 的是 regular language ， json isn't a regular language
http://stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml-self-contained-tags

[aheadlead]

@lxy 捏脸好评

[jin6220]

@Valyrian 理论是不行，第一次也是发现不对，然后就把 json （ dict ）数据 str 化了，最后是找到结果了。

[sola97]

这么简单还不用 dict...有写正则的功夫早就 get 完了

[Merlini]

而且正则也慢啊

[zzn]

解析 xml/json 不要用正则
解析 xml/json 不要用正则
解析 xml/json 不要用正则

[zhidian]

JSON 也有 xpath 类似的工具啊……

[jin6220]

@zzn 那用什么啊 对这块不太懂 这个 json 没显示汉字，变成字典显示之后然后正则的

[imlonghao]

import requests

a = requests.get('http://www.guokr.com/apis/minisite/article.json?retrieve_type=by_subject&subject_key=diy&limit=20&offset=18&_=1484373021355').json()

result = [[x['title_hide'], x['url']] for x in a['result']]

[imlonghao]

不！要！用！正！则！处！理 json 数！据！

[jin6220]

@imlonghao 嗯 这个列表表达式用的好 学习了 比 for 循环简洁，但是没 for 循环好理解。

[eoo]

PHP json_decode($json); 搞定 啊哈哈

[Ouyangan]

正则处理 json 属于野路子.本身就是结构化的数据为什么用正则呢?

[xiamx]

@jin6220 楼主看看 @Valyrian 给的链接。 JSON 是 Context-free grammar ，不是 regular language 所以不能用正则解析（当然，某些子集还是属于 regular language 的）

[jin6220]

@xiamx 好吧 谢谢，有个疑问，那个网站的 json 数据转换为字典之后（因为里头的汉字没显示出来。），然后 str 字符串化，这样正则可以吗？