← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 8025.bg · 生成模型:未记录

清洗数字不能丢掉字段含义

理解等级:中级

从£334.39pw用[.0-9]+取出334.39,只获得数字片段,币种和每周单位已经丢失;多个点号或别的格式也不一定得到可用数值。它是此样本的清洗演示,不是所有价格格式的解析器。字段表应同时记录数据的含义与缺失规则,保留原值有助于定位后续转换问题。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《Python编程精进(第1辑)(套装共3册)(异步图书)》精通Python爬虫框架Scrapy · 第3章 爬虫基础,spine035单元012;来源项目book-sources,extracted/Python编程精进(第1辑)(套装共3册)(异步图书)/_epub-src/OEBPS/text00034.html。 - 结论依据:原文£334.39pw正则只取数字和点,直接显示币种/周期被去掉,样本清洗不能充作全部价格格式语义解析。未在本机运行示例或改变环境。 - 原始内容:中,我们可能需要使用一个正则表达式,以便只选择数字和点号。可以使用 re() 方法做到这一要求,并使用一个简单的正则表达式替代 extract() 。 >>> response.xpath('//­*[@itemprop="p