影刀采集到的数据经常是“价格：¥49.00元”“销量1234件已售”，带着各种前缀后缀。直接用这些数据去分析或写入表格，还得手动处理。
影刀的“执行Python代码”指令能直接做数据清洗。 不用另外装环境，在流程里嵌一段Python，把“¥49.00元”变成49.00，把“1234件”变成1234。
什么时候用Python清洗
| 场景 | 影刀自带指令 | Python方案 |
|---|---|---|
| 提取数字 | 没有现成指令 | 正则一行搞定 |
| 去除空格/特殊字符 | 可以用“替换文本”，但多个字符要多次 | 正则一个模式 |
| 拆分字符串 | 没有 |
.split() |
| 批量清洗列表 | 要写循环 | 列表推导式一行 |
| JSON解析 | 没有 | json.loads() |
一句话：凡是涉及模式匹配、复杂字符串处理，就用Python。
第一步：放置“执行Python代码”指令
操作：
- 右侧指令面板搜索“执行Python代码”
- 拖入画布
- 点亮右上角的Python图标（否则指令是灰色的）
- 在代码框里写Python脚本
5. 设置输入变量和输出变量
界面说明：
- 输入变量：把影刀变量传进Python（字典形式）
- 输出变量：把Python结果传回影刀（支持字符串、数字、列表、字典）
⚠️ 踩坑：不点亮Python图标，代码写了也不执行。很多新手卡在这一步。
核心语法1：正则提取数字
场景：采集到的价格是“¥49.00”，要提取49.00。
Python代码：
# 输入变量：raw_price（字符串），从影刀传入
# 输出变量：clean_price（数字或字符串）
import re
# 提取数字和小数点
match = re.search(r'[\d.]+', raw_price)
if match:
clean_price = float(match.group()) # 转成数字
else:
clean_price = 0
影刀中的配置：
- 输入变量：
{"raw_price": ${原始价格}} - 输出变量：
${清洗后价格}
效果：“¥49.00” → 49.00（数字类型，可以算总和）。
核心语法2：提取数字后的单位
场景：销量“1234件已售”，要提取1234和单位“件”。
Python代码：
import re
# 输入：raw_sales = "1234件已售"
# 输出：数字和单位分开
match = re.search(r'(\d+)([^0-9]+)', raw_sales)
if match:
number = int(match.group(1)) # 1234
unit = match.group(2).strip() # "件"
else:
number = 0
unit = ""
# 可以返回字典
result = {"number": number, "unit": unit}
影刀调用时：输出变量${清洗结果}是字典，再用获取字典值取number和unit。
核心语法3：去除所有非数字字符
场景：手机号采集成了“手机：138-1234-5678”，要去掉非数字。
Python代码：
import re
# 输入：raw_phone = "手机：138-1234-5678"
clean_phone = re.sub(r'\D', '', raw_phone) # \D 表示非数字
# 输出："13812345678"
⚠️ 注意：\D匹配所有非数字字符，包括汉字、标点、空格。一行搞定。
核心语法4：拆分带分隔符的字符串
场景：采集到多个标签“美妆,护肤,防晒”，要拆成列表。
Python代码：
# 输入：raw_tags = "美妆,护肤,防晒"
tag_list = raw_tags.split(',') # ['美妆', '护肤', '防晒']
# 去掉每个标签的空格
tag_list = [t.strip() for t in raw_tags.split(',')]
批量清洗列表：
# 输入：price_list = ["¥49", "¥99", "¥129"]
clean_list = [float(re.search(r'[\d.]+', p).group()) for p in price_list if re.search(r'[\d.]+', p)]
# 输出：[49.0, 99.0, 129.0]
核心语法5：从URL中提取参数
场景：商品链接是https://detail.tmall.com/item.htm?id=123456789&spm=xxx，要提取id。
Python代码：
import re
# 输入：url
match = re.search(r'id=(\d+)', url)
if match:
product_id = match.group(1)
else:
product_id = ""
或用正则更精确：
import re
from urllib.parse import urlparse, parse_qs
# 方法2：用urllib（更稳定）
parsed = urlparse(url)
params = parse_qs(parsed.query)
product_id = params.get('id', [''])[0]
核心语法6：处理JSON数据
场景：调用API返回的JSON字符串，要解析成字典。
Python代码：
import json
# 输入：json_str = '{"code":200,"data":{"title":"鼠标垫"}}'
data = json.loads(json_str)
title = data.get('data', {}).get('title', '')
# 输出：title
影刀里返回字典：Python代码输出data，影刀用获取字典值逐层取。
实战：完整的数据清洗子流程
# D_清洗商品数据子流程
流程参数：
- 输入：原始数据（字典，包含标题、价格、销量、链接）
- 输出：清洗后数据（字典）
执行Python代码：
输入变量：{"raw": ${原始数据}}
输出变量：${clean}
代码：
import re
def clean_price(price_str):
match = re.search(r'[\d.]+', price_str)
return float(match.group()) if match else 0.0
def clean_sales(sales_str):
match = re.search(r'(\d+)', sales_str)
return int(match.group()) if match else 0
def clean_title(title_str):
# 去除前后空格和换行
return title_str.strip().replace('\n', ' ')
raw = input_data.get('raw', {})
clean = {
'title': clean_title(raw.get('title', '')),
'price': clean_price(raw.get('price', '0')),
'sales': clean_sales(raw.get('sales', '0')),
'link': raw.get('link', '').strip()
}
主流程调用：
调用子流程：D_清洗商品数据
输入参数：原始数据 = ${采集到的原始行}
输出参数：清洗后数据 = ${干净数据}
# 然后写入表格
追加行到表格(行数据=[${干净数据.title}, ${干净数据.price}, ${干净数据.sales}])
Python代码调试技巧
在影刀里调试Python：
- 代码框里写
print(变量)，输出会显示在影刀的“运行日志”中 - 用
raise Exception(变量)强制报错，看变量值 - 先在本地Python环境（如PyCharm、Jupyter）调通，再复制进影刀
常用调试代码：
# 打印输入变量（影刀运行日志里看）
print("输入数据：", input_data)
# 打印中间结果
print("提取的数字：", match.group())
# 如果报错，打印具体错误
try:
# 你的代码
except Exception as e:
print("错误：", e)
raise # 重新抛出，让影刀捕获
⚠️ 踩坑：影刀里的Python不支持input()交互，也不支持打开外部窗口（如matplotlib）。只做数据处理，不做界面交互。
常见问题速查
| 问题 | 原因 | 解决方法 |
|---|---|---|
| Python图标灰色点不亮 | 流程没保存 | 先保存流程，再点亮 |
| 代码运行报“模块不存在” | 缺少import | 在代码里加import re等 |
| 输出变量是空的 | 忘了给输出变量赋值 | Python最后必须给输出变量名赋值 |
| 正则匹配不到任何内容 | 模式写错了 | 用本地Python先测正则 |
| 列表输出到影刀变成字符串 | Python返回了非列表类型 | 确保return的是列表，用type()检查 |
| 大量数据清洗很慢 | 循环内调用Python | 尽量在Python内批量处理，避免影刀循环每行调一次 |
性能建议
❌ 慢的写法（每行都调Python）：
列表循环(1000行):
执行Python代码(清洗单行)
✅ 快的写法（列表整体传入，Python内批量处理）：
# 先把所有原始数据攒成列表
设置变量(原始数据列表 = [])
列表循环:
追加元素到列表(原始数据列表, 当前行原始数据)
# 一次Python处理全部
执行Python代码:
输入：{"raw_list": ${原始数据列表}}
输出：${清洗后列表}
# Python内用列表推导式批量处理
实测：1000条数据，逐行调Python约15秒，批量处理约2秒。
版本差异
- 社区版/创业版：Python指令完全可用
- 第三方库支持：不支持pip安装，只能用Python标准库（re、json、math、datetime、random等）
- 如果需要pandas、numpy，用不了。但大部分数据清洗用标准库+正则就够了
推荐学习：影刀官方文档的“Python代码指令”章节，有常见清洗模板。另外菜鸟教程的Python正则表达式部分，花30分钟学一下，以后清洗数据不求人。
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。