Web Scraper开发：如何从产品描述中提取REF编号？

直接使用正则表达式是最适配的方案——你的场景中REF编号有固定前缀格式REF.: ，不管它在文本中的位置如何，正则都能精准定位并提取。

核心正则表达式 #

REF.:\s*(\S+)

• REF.:：精准匹配固定前缀
• \s*：匹配前缀后0个或多个空白字符（包含空格、换行，兼容不同排版差异）
• (\S+)：捕获前缀后的连续非空白字符，也就是目标REF编号（括号用于提取分组内容）

代码示例（以Python为例） #

import re

# 假设这是抓取到的产品描述文本
product_desc = """Black Tshirt

REF.: V23T87C88EC

COMPOSIÇÃO:
90% Poliamida"""

# 匹配并提取REF编号
ref_match = re.search(r'REF.:\s*(\S+)', product_desc)
if ref_match:
    ref_number = ref_match.group(1)
    print(ref_number)  # 输出结果：V23T87C88EC

方案优势 #

1. 适配性强：无论REF在文本的开头、中间还是末尾，只要符合格式就能提取
2. 灵活性高：兼容前缀与编号之间的空格、换行等排版差异
3. 效率优异：正则匹配是文本提取场景中性能最优的方案之一

内容的提问来源于stack exchange，提问作者Alain