企业官网建设流程全解析

影刀RPA新手教程：正则表达式入门——采集数据提取的第一把刀

用影刀RPA把商品页采集下来只是第一步，真正的脏活是从"到手价：¥1,299.00（限时）"这种文本里把1299抠出来、从一整段订单详情里把手机号和快递单号分开捞出来。我第一次做拼多多订单整理流程时，不会正则，愣是写了二十多个If判断去切字符串，切了三天，后来学会正则，同样的事二十分钟搞定。

正则表达式就是"按照一定规律，从文本中寻找子文本"的工具，官方文档里叫它是从文本中提取内容的方法，影刀RPA把它做成了开箱即用的指令，完全不用写代码。

这篇教程面向没碰过编程的新手，用一个订单文本提取的案例，把正则的第一把刀磨快。

认识影刀与正则：先花十分钟把环境搭好

还没装影刀RPA的，去官网下载客户端，安装时记得把Chrome或Edge浏览器插件一起装上，网页采集全靠它。打开客户端后左侧是指令仓库，顶部工具栏是运行调试按钮，右侧是指令详情面板。

正则相关的指令都在"数据处理"分类下，最核心的一个叫【从文本中提取内容】。找到它，后面全程就用它和几个文本指令。

正则表达式入门：先认识八个符号

正则看着像乱码，其实常用的就八个符号。下面这张表是官方文档里给出的常用操作符，我按使用频率重排了顺序：

背不下没关系，你只需要记住一个组合：\d+表示"一串连续数字"。这个组合能解决新手80%的提取需求，价格、销量、库存、订单号里的数字部分，全是它。

从文本中提取内容：官方指令的每个参数

双击【从文本中提取内容】指令，右侧面板的参数我一个一个讲：

• 文本内容：填待提取的文本或直接引用字符串变量
• 提取方式：内置了提取数字、提取手机号码、提取Email地址、提取身份证号四个快捷选项，还有一个"提取自定义内容"可以填自己的正则
• 只找第一个匹配项：勾上只返回第一个结果，取消勾选则返回所有匹配项的列表
• 忽略大小写：匹配字母时不管大小写
• 样本内容验证及提取结果：这个框最良心，填一段测试文本立刻看到提取效果，不用跑流程

我的习惯是先在样本框里调通正则，再接上真实变量。这个样本框就是新手的正则练习场，比任何教程都直观。

有一个官方文档里专门标注的机制要记住：对于包含分组的正则表达式，影刀默认返回匹配到的第一个捕获分组。意思是如果你的正则里有一对括号，返回的就是括号里匹配到的部分，而不是整个匹配结果。这个特性超好用，比如货号：(\w+)会直接返回货号本身，不带"货号："前缀。

变量类型：提取结果的正确接法

提取结果接进变量时，类型要对上。只找第一个匹配项时返回字符串，取消勾选后返回列表。用If判断提取是否成功时，判空写法是变量==""，新手容易写成和None比较，跑起来永远走不进分支。

字符串变量还可以用索引取单个字符、用拼接组合新文本，这些基础操作在影刀RPA里都是指令化的，拖【文本拼接】指令就行，不用写代码。

流程控制：批量提取的标准骨架

订单批量提取的流程骨架长这样，我把每步用什么指令写清楚：

1. 【打开Excel】打开订单汇总表
2. 【读取区域数据】把详情列读成列表变量
3. 【ForEach列表循环】遍历每一条订单文本
4. 循环体内连放三个【从文本中提取内容】：手机号、快递单号、金额
5. 【写入行数据到表格】把三个结果写回新列
6. 循环外【保存并关闭Excel】

手机号这种有固定格式的，直接用内置的"提取手机号码"选项，不用自己写。快递单号各家长度不一，就得自定义正则了。

数据处理：四条拿来就用的经典正则

官方文档给过一组经典表达式，我挑四条做采集最常用的，附上我自己的使用场景：

# 提取整数（价格、销量、库存） -?\d+ # 提取中国境内邮政编码（收货地址分析） [1-9]\d{5} # 提取国内固定电话（客服记录清洗） \d{3}-\d{8}|\d{4}-\d{7} # 提取中文字符（把英文数字剥掉只留中文） [\u4e00-\u9fa5]

[\u4e00-\u9fa5]这条我多说一句，做商品标题清洗时，把品牌词、规格、颜色混在一起的标题拆开，先用它把纯中文部分抽出来做分类特征，效果立竿见影。

金额提取要处理千分位，[\d,]+\.\d{2}能匹配"1,299.00"这种格式，提取后用【文本替换】把逗号删掉再转数字。

网页自动化：正则在定位环节的助攻

正则不只用在文本处理，元素编辑里所有属性都支持通配符和正则表达式。比如页面某些按钮的文本在"新闻"和"直播"之间随机切换，把正则(直|新)设给全局变量，元素属性绑这个变量，一个元素就能匹配两种状态。

这个机制在需要采集的页面结构乱、class名带随机后缀时特别救命，具体写法我会在进阶篇专门展开，新手先知道有这条路。

鼠标键盘图像：提取不了就OCR兜底

有些价格是图片渲染的，获取文本拿到的是空串。这时用【截图】加OCR文字识别指令把图变文字，再交给正则提取。顺序永远是：先试文本提取，文本拿不到再上OCR，因为OCR有识别错误率，正则提取没有。

键盘输入场景里，往输入框填内容前如果里面有旧数据，用【键盘按键】发Ctrl+A再Delete，比模拟点击全选稳。

进阶技能：Python里的正则进阶

影刀RPA的Python模式里，正则可以走标准库re模块，比指令更灵活。re.findall返回所有匹配的列表，re.search返回第一个匹配的对象，配合分组可以一次抽多个字段：

# 输入：一段订单文本，输出：手机号和金额两个变量importre text="收货人手机13812345678，实付款¥1299.00，中通快递单号75123456789012"phone=re.search(r'1\d{10}',text).group()# 手机号：11位，1开头money=re.search(r'¥([\d,]+\.\d{2})',text).group(1)# group(1)取括号分组track=re.search(r'[A-Za-z]*\d{12,}',text).group()print(phone,money,track)

不过说真的，非技术出身的话，普通场景用【从文本中提取内容】指令完全够，Python留给复杂逻辑。

平台实战与系统联动：串成一个每日订单机器人

把这套提取逻辑嵌进完整流程：拼多多后台定时采集订单列表，正则拆字段，【写入行数据到表格】汇总，最后【发送飞书消息】把当日订单数和异常单推给群里。配合客户端的计划任务每天早上9点自动跑一遍，我现在的订单日报从采集到通知全程无人工。

工程化上把它拆成三个子流程：采集、提取、通知，命名用"模块_动作"格式，改任何一个环节都不碰其他两个。

速查表与常见报错

延伸阅读

订单提取机器人完整流程、我整理的正则速查清单，放在代码仓库 home.linyan.cloud，可以直接参考改造。官方文档里"正则表达式"词条附了完整的操作符表和案例截图，搭配着看补齐细节。

正则这把刀磨快之后，你会发现采集回来的数据突然都变得听话了，以前要人肉整理一下午的表格，现在一个循环加三行正则就干完。

#影刀RPA #RPA自动化 #正则表达式 #数据采集 #数据处理

作者：林焱