如何提取JSON中days_unresolved字段的纯数值并更新该字段？

没问题，这事儿好办！我们可以通过两种实用方法来处理这个字段，把带HTML标签的字符串转换成纯数字：

方法1：正则表达式（简单快速） #

如果你的HTML格式比较固定（比如始终是<font>标签包裹数字或<3这类内容），用正则匹配数字是最快的方式。我们只需要在遍历数据的循环里加入提取数字的逻辑即可：

修改后的完整代码 #

import urllib
import json
import re  # 导入正则模块

url = 'http://www.webiron.com/abuse_feed//?format=json'
response = urllib.urlopen(url)
data_json = json.loads(response.read())

for i in data_json:
    i['LogEvent'] = 'Trial'
    i['EvtLen'] = 213
    
    # 处理days_unresolved字段
    raw_str = i['days_unresolved']
    # 匹配字符串中的数字（包括<3里的3）
    num_match = re.search(r'\d+', raw_str)
    if num_match:
        # 转成整数类型
        i['days_unresolved'] = int(num_match.group())
    else:
        # 处理没有数字的异常情况，可根据需求调整默认值
        i['days_unresolved'] = 0

print(json.dumps(data_json, indent=6))

方法2：HTML解析库BeautifulSoup（更稳健） #

如果担心未来HTML标签结构变化（比如换成<span>或者其他嵌套标签），用专业的HTML解析库会更可靠。首先需要安装依赖：

pip install beautifulsoup4

修改后的完整代码 #

import urllib
import json
from bs4 import BeautifulSoup  # 导入BeautifulSoup

url = 'http://www.webiron.com/abuse_feed//?format=json'
response = urllib.urlopen(url)
data_json = json.loads(response.read())

for i in data_json:
    i['LogEvent'] = 'Trial'
    i['EvtLen'] = 213
    
    # 处理days_unresolved字段
    raw_html = i['days_unresolved']
    # 解析HTML
    soup = BeautifulSoup(raw_html, 'html.parser')
    # 提取纯文本并去除空格
    text_content = soup.get_text(strip=True)
    # 处理<3这种特殊格式，去掉开头的<
    if text_content.startswith('<'):
        text_content = text_content[1:]
    # 转成整数，异常情况设默认值
    try:
        i['days_unresolved'] = int(text_content)
    except ValueError:
        i['days_unresolved'] = 0

print(json.dumps(data_json, indent=6))

修改后的输出示例片段 #

[ {
      "incidents_reported": 3,
      "attacker_ip": "178.137.88.8",
      "event_time": "2018-05-15 19:30:09.832568-07",
      "event_emails": [
        "hostmaster@kyivstar.net",
        "abuse@kyivstar.net",
        "noc@kyivstar.net"
      ],
      "entry_type": "report",
      "EvtLen": 213,
      "emails_deliverable": "Yes",
      "LogEvent": "Trial",
      "event_msg": "Fake Referrer Log SPAM Bot",
      "days_unresolved": 3
    },
    {
      "incidents_reported": 52,
      "attacker_ip": "221.229.166.171",
      "event_time": "2018-05-15 19:29:45.039281-07",
      "event_emails": [
        "anti-spam@ns.chinanet.cn.net"
      ],
      "entry_type": "report",
      "EvtLen": 213,
      "emails_deliverable": "No",
      "LogEvent": "Trial",
      "event_msg": "Abusive network connectivity",
      "days_unresolved": 3
    }
]

小提示 #

• 正则方法适合固定格式的简单场景，代码量少；
• BeautifulSoup方法更通用，能应对各种HTML结构变化，推荐在生产环境使用。

内容的提问来源于stack exchange，提问作者Sun-IT