Python正则表达式实战项目：电商文本信息提取与输入格式验证

Python正则表达式实战项目：电商文本信息提取与输入格式验证

在电商项目中，文本处理和数据提取是常见需求。Python正则表达式作为一种强大的文本处理工具，可以帮助我们高效地从文本中提取信息、验证输入格式。本文将通过一个实战项目，介绍如何使用Python正则表达式在电商项目中实现这些功能。

一、项目背景

假设我们有一个电商网站，用户可以在网站上搜索商品、查看商品详情、购买商品等。在这个过程中，会产生大量的用户行为数据，包括搜索关键词、商品标题、价格等。我们需要从这些数据中提取有用的信息，以便进行数据分析、用户行为研究等。

二、需求分析

1. 提取商品信息：从商品标题中提取商品名称、品牌、型号等信息。
2. 验证输入格式：确保用户输入的搜索关键词或商品名称格式正确。

三、实现方案

1. 提取商品信息

我们可以使用Python正则表达式来匹配和提取商品标题中的相关信息。以下是一个示例代码：

import re

def extract_product_info(title):
    # 匹配品牌和型号
    brand_pattern = r"(?i)(?P<brand>[\w\']+)"
    model_pattern = r"(?i)(?P<model>[\w\']+)"
    # 匹配商品名称
    name_pattern = r"(?i)(?P<name>[\w\s]+)"
    # 匹配价格
    price_pattern = r"(?i)\d+\.\d+"
    # 匹配评分
    rating_pattern = r"(?i)\d+\/\d+"
    # 匹配评价数量
    reviews_pattern = r"(?i)评论数:\s*\d+"
    # 匹配库存数量
    stock_pattern = r"(?i)库存:\s*\d+"
    # 匹配商品描述
    description_pattern = r"(?i)(?P<description>[\s\S]+)"
    # 匹配促销信息
    promotion_pattern = r"(?i)(?P<promotion>[\s\S]+)"
    # 匹配其他信息（如颜色、尺寸等）
    other_info_pattern = r"(?i)(?P<other_info>[\s\S]+)"
    # 匹配所有信息
    pattern = re.compile(r"|".join([brand_pattern, model_pattern, name_pattern, price_pattern, rating_pattern, reviews_pattern, stock_pattern, description_pattern, promotion_pattern, other_info_pattern]))
    match = pattern.search(title)
    if match:
        return match.groupdict()
    else:
        return None

在这个示例中，我们使用了多个正则表达式来匹配不同的信息，并将它们分组到不同的命名组中。然后，我们使用re.search()函数来搜索匹配的文本，并返回一个命名组字典，其中包含了提取到的信息。

2. 验证输入格式

我们可以使用Python正则表达式来验证用户输入的搜索关键词或商品名称格式是否正确。以下是一个示例代码：

import re

def validate_input(input_str):
    # 验证输入是否为空或只包含空格
    if not input_str.strip():
        return False
    # 验证输入是否包含非法字符（如特殊符号、空格等）
    if re.search(r"[^\w\s]", input_str):
        return False
    return True

在这个示例中，我们使用了两个正则表达式来验证输入格式。首先，我们使用re.search()函数来搜索输入字符串中是否包含非法字符。如果找到了非法字符，则返回False表示输入格式不正确。如果输入字符串为空或只包含空格，也返回False表示输入不合法。如果输入格式正确，则返回True表示输入合法。
四、实战应用

1. 提取商品信息

假设我们有一个包含多个商品标题的文本文件，我们可以使用上述代码来提取商品信息。以下是一个示例代码：

with open("product_titles.txt", "r") as f:
    for line in f:
        title = line.strip()
        product_info = extract_product_info(title)
        if product_info:
            print(product_info)

在这个示例中，我们打开一个名为product_titles.txt的文本文件，并逐行读取其中的商品标题。对于每个标题，我们调用extract_product_info()函数来提取商品信息，并将结果打印到控制台上。

2. 验证输入格式

假设我们有一个用户输入的搜索关键词或商品名称，我们可以使用上述代码来验证输入格式。以下是一个示例代码：

input_str = "iPhone 14"
if validate_input(input_str):
    print("输入格式正确")
else:
    print("输入格式不正确")

在这个示例中，我们定义了一个名为input_str的变量，它包含了一个用户输入的搜索关键词或商品名称。然后，我们调用validate_input()函数来验证输入格式，并根据返回值打印相应的消息。如果输入格式正确，则打印“输入格式正确”；否则，打印“输入格式不正确”。

通过使用Python正则表达式，我们可以轻松地从文本中提取有用的信息，并验证输入格式。在电商项目中，这些功能可以帮助我们更好地理解用户行为、优化搜索结果、提高用户体验等。未来，我们可以进一步扩展这些功能，例如使用深度学习模型来自动提取商品信息、使用自然语言处理技术来自动处理用户评论等。