采集到的原始数据经常是“价格：¥99.00元”这种混合文本，或者是一大段JSON返回包。
你只想要里面的数字“99.00”，或者某个字段的值——这就需要从文本中提取。
影刀里提取数据有4种常用方法： 截取、split分割、正则提取、JSON解析。
我按难度和适用场景排个序，新手从截取开始学，后面慢慢过渡到正则。
一、截取：固定位置取子串（最简单）
适用场景
- 文本格式完全固定，比如
"商品ID：123456789"，ID永远是9位数字 - 想取第3个字符到第8个字符
指令位置
文本处理 → 截取字符串
参数设置
- 原始文本：要处理的字符串变量
- 开始位置：从第几个字符开始（从0开始数）
- 字符长度：截取多少位
实战：取固定长度的订单号
原始文本："订单号：2024101500012345"
想取后面的16位数字。
原始文本 = "订单号：2024101500012345"
# “订单号：”占4个中文字符（注意：中文算1个字符）
订单号 = 截取字符串(原始文本, 4, 16)
# 结果："2024101500012345"
限制
只能处理位置和长度都固定的场景。
一旦数字长度变化（比如有时15位有时16位），截取就会出错——这时候要用正则。
二、Split分割：按分隔符拆成数组
适用场景
- 文本有明确的分隔符，比如
"苹果,香蕉,橙子"（逗号分隔） - 想取分隔符前后的某一段
指令位置
文本处理 → 分割字符串
参数设置
- 原始文本：待分割的字符串
- 分隔符：比如
","、"|"、"：" - 输出到列表：新建一个列表变量
实战：提取“价格：99”中的数字
原始文本 = "价格：99"
# 按冒号分割
分割后列表 = 分割字符串(原始文本, "：")
# 结果：["价格", "99"]
价格 = 分割后列表[1] # 取第二个元素，结果是"99"
实战：处理CSV格式的一行数据
一行Excel数据："手机,1999,100件"
行数据列表 = 分割字符串("手机,1999,100件", ",")
商品名 = 行数据列表[0] # "手机"
价格 = 行数据列表[1] # "1999"
进阶：多个分隔符连续处理
先按一个分隔符分割，再对结果用另一个分隔符分割。
比如 "姓名:张三|年龄:25"，想取年龄值。
第一步分割 = 分割字符串(原始文本, "|") # 得到 ["姓名:张三", "年龄:25"]
年龄部分 = 第一步分割[1] # "年龄:25"
年龄值 = 分割字符串(年龄部分, ":")[1] # "25"
三、正则提取：最强大，学习曲线稍陡
适用场景
- 提取手机号、邮箱、价格数字、日期等有规律但不固定位置的内容
- 文本里有多种干扰字符，但模式固定
指令位置
文本处理 → 正则提取（影刀内置指令，部分版本在“Python代码”里需要手写）
常用正则模式速查
| 要提取的内容 | 正则表达式 | 示例 |
|---|---|---|
| 纯数字（整数） | \d+ | "价格99元" → "99" |
| 带小数点的数字 | \d+\.?\d* | "99.50元" → "99.50" |
| 手机号 | 1[3-9]\d{9} | "13812345678" |
| 邮箱 | \w+@\w+\.\w+ | "test@qq.com" |
| 中文字符 | [\u4e00-\u9fa5]+ | "苹果手机" |
| 日期（YYYY-MM-DD） | \d{4}-\d{2}-\d{2} | "2024-10-15" |
实战：从混合文本中提取价格
原始文本："商品售价：¥99.00元，已售500件"
想提取 99.00
价格 = 正则提取(原始文本, "\d+\.?\d*")
# 返回第一个匹配的数字串 "99.00"
提取手机号
文本 = "联系电话：13812345678，联系人：张三"
手机号 = 正则提取(文本, "1[3-9]\d{9}")
提取所有匹配项（返回列表）
如果文本里有多个数字，想全部提取：
所有数字列表 = 正则提取所有(原始文本, "\d+")
# 结果：["99", "00", "500"]
# 注意：\d+ 会把小数点的前后数字拆开，用 "\d+\.?\d*" 更好
影刀中写正则的注意点
- 正则提取指令默认返回第一个匹配项
- 要用“正则提取所有”才能拿列表
- 正则里的
\要写双斜杠还是单斜杠？影刀里直接用\d就行，不需要转义
四、JSON解析：处理API返回的结构化数据
适用场景
- 采集到的数据是JSON格式（比如从网页接口直接拿到的响应）
- 需要取某个字段的值，如
{"data":{"name":"张三","age":25}}中的name
指令位置
Python代码（影刀没有纯指令的JSON解析器，需要写几行Python）
标准模板
# 影刀的“Python代码”指令中
import json
# 输入：json_str 变量（字符串类型）
json_str = "{\"name\":\"张三\",\"age\":25}"
# 解析成字典
data = json.loads(json_str)
# 提取字段
name = data.get("name") # "张三"
age = data.get("age") # 25
# 输出到影刀变量（需要提前在“设置变量”中定义输出变量）
print(name) # 可以在影刀日志里看到
# 通过设置输出参数返回
实战：从淘宝API返回包中提取商品标题
假设接口返回：
{
"code": 200,
"data": {
"title": "iPhone 15 手机",
"price": 5999
}
}
Python代码：
import json
response_text = {{原始返回文本}} # 从影刀变量获取
obj = json.loads(response_text)
title = obj["data"]["title"]
price = obj["data"]["price"]
# 输出到影刀变量（假设已定义“标题”和“价格”变量）
# 通过“设置变量”指令或在Python里用影刀SDK
如果没有JSON指令，用split强行解析（不推荐）
JSON结构复杂时用split会非常痛苦，强烈建议学几句Python。
五、四种方法对比与选择
| 方法 | 难度 | 灵活性 | 适用场景 |
|---|---|---|---|
| 截取 | ★☆☆☆☆ | 低 | 固定位置、固定长度 |
| Split分割 | ★★☆☆☆ | 中 | 有固定分隔符 |
| 正则提取 | ★★★☆☆ | 高 | 有规律但位置不固定 |
| JSON解析 | ★★★★☆ | 高 | 结构化数据（API返回） |
选择流程：
- 格式完全固定（位置和长度都知道）→ 截取
- 有明确分隔符（逗号、冒号、竖线）→ split
- 有规律但混杂其他字符（价格、手机号）→ 正则
- 是标准的JSON字符串 → 用Python解析JSON
六、实战案例：从一句话中提取商品信息和价格
原始文本："商品：华为Mate60，价格：5999元，库存：100件"
方法1：Split分割
# 先按逗号分割成三段
三段 = 分割字符串(原始文本, "，")
# 三段[0]="商品：华为Mate60"
# 三段[1]="价格：5999元"
# 三段[2]="库存：100件"
# 再按冒号取后一半
商品 = 分割字符串(三段[0], "：")[1] # "华为Mate60"
价格带单位 = 分割字符串(三段[1], "：")[1] # "5999元"
# 再提取数字
价格 = 正则提取(价格带单位, "\d+") # "5999"
方法2：正则一次提取（更简洁）
商品 = 正则提取(原始文本, "商品：([^，]+)") # 取“商品：”到逗号之间的内容
价格 = 正则提取(原始文本, "价格：(\d+)") # 取“价格：”后面的数字
推荐方法2，代码更短，容错性更好。
常见问题速查
| 问题 | 原因 | 解决方法 |
|---|---|---|
| 截取出来的文字缺字或多字 | 中文字符和英文字符宽度不同，计数方式不一 | 统一转成字符串长度函数，或用正则替代 |
| split分割后列表索引越界 | 分隔符不存在或文本格式变了 | 先判断分割后的列表长度，或try-catch |
| 正则提取不到东西 | 表达式写错了 | 用正则测试工具（如regex101.com）验证 |
| JSON解析报错“Expecting value” | 返回的字符串不是合法JSON（可能是HTML或纯文本） | 先用print输出原始内容检查 |
| 提取手机号时匹配到40012345678（以4开头） | 正则写了1[3-9]但没限制首位 | 用 \b1[3-9]\d{9}\b 加单词边界 |
推荐资源
- 正则测试工具： regex101.com（选Python语法，可以实时测试）
- 影刀官方学院： “数据处理——字符串处理与正则表达式”（有案例视频）
- 我的文章联动：
- 下一篇预告：[影刀RPA进阶教程：Pandas在影刀中的常用操作——筛选/排序/合并/去重]（选题池20号）
- 小技巧： 在影刀的“输出日志”里直接打印提取结果，确认拿到的数据对不对，再往下写流程
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。