从网页采集到的文本是“商品ID：SPU-123456 | 价格：99元”，要分别取出ID和价格。
问题：影刀自带的“字符串处理”指令有十几种，不知道用哪个。
答案：四种核心提取方法——按位置截取、按分隔符拆分、正则匹配、JSON解析。
按场景选，覆盖90%的文本提取需求。
一、四种方法对比
| 方法 | 适用场景 | 示例 | 优点 | 缺点 |
|---|---|---|---|---|
| 截取字符串 | 固定长度、固定位置 | 取手机号前3位 | 简单 | 不灵活 |
| split拆分 | 有固定分隔符（逗号、竖线、空格） | a,b,c → 拆成列表 | 直观 | 分隔符变化则失效 |
| 正则提取 | 有模式规律（数字、邮箱、价格） | 提取文本中所有数字 | 强大灵活 | 需要学正则语法 |
| JSON解析 | 数据是JSON格式 | API返回的数据 | 结构化 | 需懂JSON |
选择顺序：
先用split拆分（最快）→ 不行用正则 → 固定长度用截取 → 有JSON用解析。
二、方法一：截取字符串——固定位置提取
场景：订单号固定是“ORD”+8位数字，如“ORD12345678”，要取出数字部分。
或者日期“2024-01-15”要取出年份前4位。
影刀指令：截取字符串（在“字符串处理”分类下）
操作步骤：
- 拖入“截取字符串”指令。
- 原文本：
{order_no}（如“ORD12345678”） - 开始位置：3（从第0个字符开始数，'O'是0，'R'是1，'D'是2，所以数字从3开始）
- 截取长度：8
5. 输出到：
{order_num}
# 示例配置
# 原文本：{order_no} = "ORD12345678"
# 开始位置：3
# 截取长度：8
# 输出：{order_num} = "12345678"
# 常见开始位置：0=第一个字符，负数表示从后往前（部分版本支持）
容易踩的坑：开始位置从0开始数，不是1。
测试方法：先用“输出日志”打印原文本长度，确保截取范围不越界。
三、方法二：split拆分——有分隔符时首选
场景：商品规格“颜色:红色|尺寸:L|材质:棉”，要提取“红色”。
或者CSV数据“手机壳,29.9,1000件”。
影刀指令：拆分文本（输出列表）或字符串拆分（不同版本名称略有差异）
操作步骤：
- 拖入“拆分文本”指令。
- 原文本：
{spec}= “颜色:红色|尺寸:L|材质:棉” - 分隔符：
|（竖线） - 输出到列表：
{parts}
# 拆分后 {parts} = ["颜色:红色", "尺寸:L", "材质:棉"]
# 再取第一个元素“颜色:红色”，继续拆分：
# 再次拆分文本，原文本取 {parts[0]}，分隔符 “:”
# 输出列表 {color_parts}，取 {color_parts[1]} 得到 “红色”
影刀里取列表元素：
用“获取列表指定位置的元素”指令，位置0开始。
常用分隔符：逗号,、竖线|、分号;、空格 、换行符\n（在影刀里直接写\n）
四、方法三：正则提取——最强大的万能方法
场景：
- 从“商品价格：¥99.00，活动价¥89.00”提取两个价格数字
- 从一段文字里提取所有手机号
- 提取HTML标签里的数字ID
影刀指令：正则提取 或 用“Python代码”写正则（推荐后者，更灵活）
方法A：使用影刀自带的“正则提取”指令
- 拖入“正则提取”指令。
- 原文本：
{text} - 正则表达式：
\d+\.?\d*（匹配数字和小数点） - 匹配模式：第一个匹配（或所有匹配）
- 输出到变量。
方法B：用Python代码（更强大，推荐）
import re
text = get_var("product_info") # "价格：¥99.00，库存：200件"
# 提取价格数字
price_match = re.search(r'¥(\d+\.?\d*)', text)
if price_match:
price = float(price_match.group(1))
else:
price = 0
# 提取库存数字（纯数字）
stock_match = re.search(r'库存：(\d+)', text)
if stock_match:
stock = int(stock_match.group(1))
else:
stock = 0
set_var("price_num", price)
set_var("stock_num", stock)
常用正则模式速查：
| 目标 | 正则表达式 | 说明 |
|---|---|---|
| 整数 | \d+ | 一个或多个数字 |
| 小数 | \d+\.?\d* | 整数或小数 |
| 手机号 | 1[3-9]\d{9} | 11位手机号 |
| 邮箱 | [\w\.-]+@[\w\.-]+\.\w+ | 简单邮箱匹配 |
| 价格符号+数字 | ¥(\d+\.?\d*) | 括号表示提取数字 |
| 中文 | [\u4e00-\u9fa5]+ | 匹配中文字符 |
在线测试正则：regex101.com（选Python风格）
五、方法四：JSON解析——处理API返回数据
场景：调用接口返回JSON字符串：
{"code":0,"data":{"name":"手机壳","price":29.9}}，要取出name和price。
影刀指令：解析JSON（在“字符串处理”或“扩展功能”中）
操作步骤：
- 拖入“解析JSON”指令。
- JSON字符串：
{json_str} - 输出到变量：
{json_obj}（字典类型） - 用“获取字典的值”指令取数据：
{json_obj['data']['name']}
# 如果影刀JSON解析指令不好用，用Python代码
import json
json_str = get_var("api_response")
data = json.loads(json_str)
name = data['data']['name']
price = data['data']['price']
set_var("product_name", name)
set_var("product_price", price)
注意：JSON键名区分大小写，"name"和"Name"不同。
六、实战组合：清洗一段商品详情文本
原始文本：
商品：iPhone15 黑色 128GB | 价格：¥5999.00 | 月销：1.2万件 | 店铺：XX数码
目标：提取商品名、价格数字、月销数字。
方法：split拆分 + 正则提取
# 影刀指令流程
# 1. 拆分文本：分隔符 "|"，输出列表 {parts}
# {parts[0]} = "商品：iPhone15 黑色 128GB"
# {parts[1]} = "价格：¥5999.00"
# {parts[2]} = "月销：1.2万件"
# {parts[3]} = "店铺：XX数码"
# 2. 取商品名：拆分 {parts[0]}，分隔符 "："，取第二部分
# 3. 取价格数字：用正则提取 ¥(\d+\.?\d*)
# 或者拆分 {parts[1]}，分隔符 "¥"，取第二部分
# 4. 取月销数字：拆分 {parts[2]}，分隔符 "：", 取第二部分得到 "1.2万件"
# 再用Python正则转数字（参考之前文章销量清洗）
七、影刀专属操作清单
| 操作 | 精确指令 | 位置 |
|---|---|---|
| 截取字符串 | 截取字符串 | 字符串处理 |
| 拆分文本 | 拆分文本 | 字符串处理 |
| 正则提取 | 正则提取 | 字符串处理（部分版本有） |
| 解析JSON | 解析JSON | 扩展功能 |
| 获取列表元素 | 获取列表指定位置的元素 | 列表操作 |
| 获取字典值 | 获取字典的值 | 字典操作 |
| Python代码 | Python代码 | 扩展功能（推荐） |
版本差异：社区版“正则提取”指令功能较弱（不支持分组捕获），建议直接用Python代码写正则。
创业版以上支持更完整的正则功能。
常见问题速查
| 问题 | 原因 | 解决方法 |
|---|---|---|
| split拆分后列表为空 | 分隔符写错（中英文符号） | 原文本中是中文冒号还是英文冒号？ |
| 截取字符串乱码 | 开始位置算错 | 用“输出日志”打印原文本，逐字符数 |
| 正则匹配不到 | 正则表达式写错 | 先在regex101测试 |
| JSON解析报错 | 字符串不是合法JSON | 用Python的json.loads捕获异常 |
| 提取数字时小数点丢失 | 正则没写小数点 | \d+(\.\d+)? |
推荐资源
- 在线正则练习：regex101.com（选择Python）
- 影刀学院课程：《字符串处理——提取数据的4种武器》（约15分钟）
- Python字符串方法速查：
str.strip()、str.split()、str.replace()
最后一句：文本提取的核心是“找到规律”。
有固定分隔符就用split，有数字/邮箱规律就用正则，固定位置用截取。
正则值得花一小时专门学，学会后效率翻倍。
作者：林焱
本文为《影刀RPA学习手册》系列文章之一，内容源于实操经验的整理与分享。