使用re.findall提取dataLayer指定键值失效,求正确实现方法
原正则失效原因
你之前编写的正则re.findall(r'dataLayer = (.*?)]存在两处核心问题:
- 语法不合法:r前缀的原始字符串未闭合引号,运行时会直接触发Python语法报错;
- 匹配逻辑偏离目标:非贪婪匹配会在碰到首个
]时终止,刚好匹配到var dataLayer = dataLayer || [];中的空数组括号,无法触达后续dataLayer.push()里的目标键值对。
正确提取方案
根据实际需求可选择两种实现方式:
方案1:单键快速提取(仅需获取base_price_excl_tax这类指定键的值)
直接匹配键名后跟的数值,无需解析整个dataLayer结构:
import re # 待处理的JS代码字符串 js_code = """<script> // 若dataLayer变量未定义,初始化为空数组 var dataLayer = dataLayer || []; dataLayer.push({"base_price_excl_tax":99.99,"base_price_incl_tax":99.99,"ecomm_prodid":"XXXX","ecomm_totalvalue":99.99,"availability":"bbb","base_image":"nnn.jpg","pageType":"gup"}); </script>""" # 匹配指定键对应的数值 match_result = re.search(r'"base_price_excl_tax"\s*:\s*([0-9.]+)', js_code) target_value = match_result.group(1) # 输出 target_value 即为 '99.99',如需数值类型可执行 float(target_value) 转换
方案2:全量解析取值(需获取多个键值对时优先使用)
先提取dataLayer.push()传入的合法JSON对象,再通过标准JSON库解析,避免正则处理结构边界的误差:
import re, json # 待处理的JS代码字符串 js_code = """<script> // 若dataLayer变量未定义,初始化为空数组 var dataLayer = dataLayer || []; dataLayer.push({"base_price_excl_tax":99.99,"base_price_incl_tax":99.99,"ecomm_prodid":"XXXX","ecomm_totalvalue":99.99,"availability":"bbb","base_image":"nnn.jpg","pageType":"gup"}); </script>""" # 提取push括号内的JSON字符串 push_content = re.search(r'dataLayer\.push\((\{.*?\})\)', js_code).group(1) # 解析为Python字典 data_dict = json.loads(push_content) # 直接通过键名取值即可 base_price = data_dict["base_price_excl_tax"] # 结果为数值类型的 99.99
注意事项
- 若dataLayer的push对象存在嵌套结构、值带转义字符,纯正则提取容易出现匹配错误,优先选择JSON解析方案;
- 正则中的
\s*用于兼容键名和冒号之间可能存在的空格,避免格式波动导致匹配失效。
内容的提问来源于stack exchange,提问作者H2O_CO2
相关产品推荐
相关产品推荐

