Python网页抓取：如何从谷歌搜索结果中筛选13位EAN编码

你可以通过正则表达式匹配独立的13位纯数字串，直接从已提取的文本中筛选出符合要求的EAN编码。

实现步骤 #

• 第一步：导入Python内置的re正则模块
• 第二步：使用匹配规则r'\b\d{13}\b'做筛选，其中\b为单词边界符，可避免从更长的数字串（例如15位订单号、18位身份证号）中误截取中间的13位数字
• 第三步：调用正则匹配方法从已提取的文本中查找符合要求的内容即可

完整修改后的代码示例 #

import re

# 原有抓取逻辑
url = "https://www.google.com/search?q=%22ean%22+%22Rowenta%20X-Plorer%20Serie%2075%20RR7687%22&client=firefox-b-d&ei=8W5cYdi-Kc-ckgW-54LIDA&ved=0ahUKEwiY-_zeyrPzAhVPjqQKHb6zAMkQ4dUDCA0&uact=5&oq=%22ean%22+%22Rowenta%20X-Plorer%20Serie%2075%20RR7687%22"
f = s.get(url)
eanfield = f.html.xpath('//*[@id="center_col"]', first=True)
ean_text = eanfield.text

# 新增EAN筛选逻辑
ean_list = re.findall(r'\b\d{13}\b', ean_text)
# 确定只有一个目标EAN时可直接取第一个匹配结果
if ean_list:
    target_ean = ean_list[0]
    print(target_ean)

优化适配方案 #

如果搜索结果中出现多个13位独立数字，可以结合关键词进一步过滤，优先提取EAN标识附近的13位数字，正则可调整为r'EAN\D*?(\d{13})\b'，适配EAN和编码之间存在空格、冒号、中文等分隔符的场景。

内容的提问来源于stack exchange，提问作者lanavargas2002