如何用Python从复杂数据结构提取指定值？求方法及类型确认

核心结论 #

你手里的是嵌套的JS对象（本质是JSON结构），完全不需要用BeautifulSoup——BeautifulSoup是用来解析HTML/XML的，对这种结构化数据根本不适用。正确的做法是提取出纯JSON部分，再用JSON解析工具处理。

具体步骤 #

1. 提取纯JSON内容
   原始数据开头有var gIg35809469970000987890data = ，结尾有;，先用正则把这些非JSON内容去掉，得到标准JSON字符串：

   import re
   import json
   
   # 假设原始数据存储在这个变量中
   raw_data = '''var gIg35809469970000987890data = {
     "values": [
       [
         "33765",
         "33765",
         "06-03-2023",
         "John.doe@foo.com",
         "indoor 1",
         "",
         "1",
         "10",
         "16",
         "",
         "DELETE",
         "33765",
         {"salt": "..."}
       ],
       [
         "33623",
         "33623",
         "03-03-2023",
         "John.Doe@foo.com",
         "indoor 1",
         "",
         "1",
         "10",
         "16",
         "",
         "DELETE",
         "33623",
         {"salt": "..."}
       ]
     ]
   };'''
   
   # 匹配并提取JSON部分
   json_str = re.search(r'=\s*({.*?});', raw_data, re.DOTALL).group(1)
   

2. 解析JSON为Python数据结构
   解析后得到的是字典+数组的嵌套结构：外层是字典，values键对应的值是数组，每个数组元素又是包含字符串和子对象的数组：

   data = json.loads(json_str)
   

3. 提取指定字段并整理成表格
   遍历values里的每个元素，提取编号（数组第0位）、日期（第2位）、邮箱（第3位）：

   # 提取目标数据
   extracted_data = []
   for item in data['values']:
       extracted_data.append({
           '编号': item[0],
           '日期': item[2],
           '邮箱': item[3]
       })
   
   # 用pandas生成表格形式输出
   import pandas as pd
   result_df = pd.DataFrame(extracted_data)
   print(result_df)
   

   输出结果：

   编号	日期	邮箱
   33765	06-03-2023	John.doe@foo.com
   33623	03-03-2023	John.Doe@foo.com

额外提醒 #

如果是在浏览器环境中处理，直接访问gIg35809469970000987890data.values遍历提取即可，不需要正则，用原生JS就能完成。

内容的提问来源于stack exchange，提问作者NazariGamer