企业官网建设流程全解析

影刀RPA进阶教程：Python代码指令做数据清洗——正则提取与字符串处理

影刀的流程指令处理点击、输入、表格读写都很顺手，但一到字符串处理就吃力了。比如从"¥128.00"里把128提取出来、从"已售10万+件"里提取10万、从一堆描述文字里找到手机号。

这些操作用Python的正则表达式（re模块）一行搞定，但有一个前提：Python图标要先点亮。

一、在影刀里打开Python代码指令

影刀流程画布左侧的指令面板里，有一个"Python代码"指令。拖到画布上，弹出一个代码编辑器。

注意：左下角的Python图标必须是亮的。如果灰色，点一下它。

代码编辑器里可以写任意Python代码，流程中前面步骤产生的变量可以通过影刀内置的方式获取。

二、正则表达式入门：从字符串里挑数字

电商数据清洗里80%的Python需求，都是这个：

# 从各种格式的价格文本里提取数字importre 价格文本="¥128.00"价格数字=float(re.search(r'\d+\.?\d*',价格文本).group())# 结果：128.0价格文本2="￥ 99.9起"![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/e3315e93c08a456cb7e9203ce66cf33e.png#pic_center)价格数字2=float(re.search(r'\d+\.?\d*',价格文本2).group())# 结果：99.9价格文本3="128"价格数字3=float(re.search(r'\d+\.?\d*',价格文本3).group())# 结果：128.0

正则解释：\d+\.?\d*

• \d+至少一位数字
• \.?可选的小数点（因为有些价格没有小数位）
• \d*小数点后的数字（0位或多位）

三、从销量文本里提取数字

“已拼10万+件” → 需要知道它到底是多少件。

importredefparse_sales(text):"""把各种销量文本转成数字"""text=str(text).replace(' ','')# 找数字部分match=re.search(r'(\d+\.?\d*)',text)ifnotmatch:return0num=float(match.group(1))# 判断单位if'万'intext:num=num*10000elif'亿'intext:num=num*100000000returnint(num)# 测试print(parse_sales("已拼10万+件"))# 100000print(parse_sales("已拼1.2万件"))# 12000print(parse_sales("已拼556件"))# 556print(parse_sales("即将抢光"))# 0

四、提取手机号、邮箱、URL

importre# 从文本中提取手机号defextract_phone(text):pattern=r'1[3-9]\d{9}'phones=re.findall(pattern,str(text))returnphones[0]ifphoneselse''# 从文本中提取邮箱defextract_email(text):pattern=r'[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}'emails=re.findall(pattern,str(text))returnemails[0]ifemailselse''# 从文本中提取URLdefextract_url(text):pattern=r'https?://[^\s<>"{}|\\^`\[\]]+'urls=re.findall(pattern,str(text))returnurls# 测试描述="请联系客服微信：13800138000，或发送邮件到service@shop.com"print(extract_phone(描述))# 13800138000print(extract_email(描述))# service@shop.com

五、字符串常见处理

# ===== 去空格和特殊符号 =====text=" 连衣裙 2026新款 "text=text.strip()# 去首尾空格："连衣裙 2026新款"text=text.replace('\n','')# 去掉换行符text=text.replace('\t',' ')# 把tab换成空格# ===== 截取部分文字 =====标题="【顺丰包邮】夏季连衣裙女法式收腰显瘦2026新款"# 去掉【】内容importre 标题=re.sub(r'【.*?】','',标题)# "夏季连衣裙女法式收腰显瘦2026新款"![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/4867934cbb364487b84b7b24d79ec49b.png#pic_center)# ===== 判断文本包含 =====if'连衣裙'in标题and'2026'in标题:print("是新款连衣裙")# ===== 大小写转换（TEMU英文标题） =====英文标题="Women's Summer Dress 2026 New Arrival"小写=英文标题.lower()# "women's summer dress 2026 new arrival"大写=英文标题.upper()# "WOMEN'S SUMMER DRESS 2026 NEW ARRIVAL"

六、在采集流程中集成

# 影刀流程中采集每条商品时调用Python清洗# === Python代码指令 ===importredefclean_price(price_str):match=re.search(r'\d+\.?\d*',str(price_str))returnfloat(match.group())ifmatchelse0.0defclean_sales(sales_str):text=str(sales_str)match=re.search(r'(\d+\.?\d*)',text)ifnotmatch:return0num=float(match.group(1))if'万'intext:num*=10000if'亿'intext:num*=100000000returnint(num)defclean_title(title_str):# 去掉【】[]包裹的内容title=re.sub(r'[【\[].*?[】\]]','',str(title_str))# 去掉多余空格title=re.sub(r'\s+',' ',title).strip()returntitle# 假设从影刀流程传入：raw_price, raw_sales, raw_title清洗后价格=clean_price(raw_price)清洗后销量=clean_sales(raw_sales)清洗后标题=clean_title(raw_title)# 返回清洗后的数据给影刀后续步骤

七、常见正则速查表

作者：林焱

本文为《影刀RPA学习手册》系列文章之一，内容源于实操经验的整理与分享。