> ## Documentation Index
> Fetch the complete documentation index at: https://www.bazhuayu.com/docs/llms.txt
> Use this file to discover all available pages before exploring further.
# 字段格式化
> 介绍八爪鱼采集器进阶功能：字段格式化。
数据采集下来之后，有时候格式不是我们想要的，或者只想从一段数据里提取特定数据。以上需求，可通过八爪鱼的【格式化数据】功能实现。
本教程将结合实例，具体讲解。
### **一、【格式化数据】设置的位置**
示例网址：[https://book.douban.com/subject/4913064/](https://book.douban.com/subject/4913064/)
【格式化数据】是对提取到的字段进行格式化操作，我们先按照采集需求，提取字段。本示例中，我们提取此网页中的图书标题、图书简介和图片网址、页面网址等。
字段提取完成以后，鼠标移动到目标字段上，然后点击 
按钮，选择【格式化数据】，就会进入【格式化数据】配置页面，也可以是纵向布局时直接点🖊小图标，或是是纵向布局时直接点后面的
图标。
原始值：原始字段
结果：经过格式化步骤后，输出的字段结果
添加步骤：提供10个数据格式化选项：替换、正则表达式替换、正则表达式匹配、去除空格、添加前缀、添加后缀、时间格式化、时间戳转换、时区时间转换、Html。
以下将配合具体案例，详解这10个选项如何使用。
### **二、【格式化数据】10个选项详解**
#### **1、替换**
将字段中的部分或全部内容替换为其他内容，支持文字、数字、符号、空格、换行符的替换。
实例：如果我们想将字段【808478人评价】中的文本【人评价】去掉，只留下数字【808478】。
具体步骤为：
在【添加步骤】中，选择【替换】
【原始值】： 808478人评价
【将】：人评价
【替换为】：空
点击【测试】，【替换结果】：808478
最后点击【确定】，保存配置即可。
#### **2、正则表达式替换**
用正则表达式将字段中的部分或全部内容找出来，然后将其替换为其他内容，支持文字、数字、符号、空格、换行符的替换。
相比简单的【替换】，【正则表达式替换】更为强大灵活。
实例：在采集数据的时候我们发现，红框中的【书籍信息】只能作为一个字段提取下来。如果想要将【ISBN】独立为一个字段，就需要先将整个红框中的【书籍信息】作为一个字段提取下来，然后用【正则表达式替换】将【ISBN】单独提取出来。
具体步骤为：
Step1：【书籍信息】提取下来后，有很多空格，先将所有空格去掉。（如果提取的字段中无空格，可跳过这一步）
在【添加步骤】中，选择【正则表达式替换】
【原始值】： 【书籍信息】（包含很多空格）
【正则表达式】：\s+（这条正则表达式的意思是，找到字段中所有的空格）
【替换为】：空（将找到的全部空格替换为空）
点击【测试】，得到【替换结果】：作者:余华出版社:作家出版社出版年:2012-8-1页数:191定价:20.00元装帧:平装丛书:余华作品（2012版）ISBN:9787506365437
最后点击【确定】，保存配置即可。
Step2：用正则表达式找到【书籍信息】（去除全部空格）中除ISBN编码之外的信息，将其替换为空。
在【添加步骤】中，选择【正则替换】
【原始文本】： 作者:余华出版社:作家出版社出版年:2012-8-1页数:191定价:20.00元装帧:平装丛书:余华作品（2012版）ISBN:9787506365437
【正则表达式】：**作者:(.+?)ISBN: **（这条正则表达式的意思是，找到所有字段中以 作者: 开始，以 ISBN: 结束的部分，且包含 作者: 和ISBN:，所以找到的是 作者:余华出版社:作家出版社出版年:2012-8-1页数:191定价:20.00元装帧:平装丛书:余华作品（2012版）ISBN: ）【替换为】：空（将以上找到的内容替换为空）
点击【测试】，得到【替换结果】：9787506365437
最后点击【确定】，保存配置即可。
这里有个问题，像 作者:(.+?)ISBN: 这样的正则表达式怎么写出来的？怎么根据需求，生成正确的正则表达式呢？
正则表达式怎么写？
简单来说，面对大量的文本信息，经常会有查找符合某些规则的字符串的需要。正则表达式就是用于描述这些规则的工具。
正则表达式有一套自己的书写规范，有兴趣的小伙伴可深度学习。点击查看 [正则表达式教程](/docs/zh/academy/advanced-features/data-processing/regular-expression)
不太熟悉正则表达式，可借助八爪鱼提供的正则表达式工具。
八爪鱼提供一套正则表达式工具，可以帮助我们轻松生成正则表达式。点击 
字样，即可进入八爪鱼的正则表达式工具页面。现在我们就借助此工具，生成需要的正则表达式。
【源文本】： 作者:余华出版社:作家出版社出版年:2012-8-1页数:191定价:20.00元装帧:平装丛书:余华作品（2012版）ISBN:9787506365437
【开始】：从某元素开始，但不包含此元素
【包含开始】：从某元素开始，且包含此元素
【结束】：到某元素结束，但不包含此元素
【包含结束】：到某元素结束，且包含此元素
本示例设置
【包含开始】：作者:
【包含结束】：ISBN:
生成【正则表达式】：作者:(.+?)ISBN:
点击【匹配】后，得到【匹配结果】：作者:余华出版社:作家出版社出版年:2012-8-1页数:191定价:20.00元装帧:平装丛书:余华作品（2012版）ISBN:
确定无误后，点击【应用】，此正则表达式就生效了，自动填充到【正则表达式】框中，找到内容 作者:余华出版社:作家出版社出版年:2012-8-1页数:191定价:20.00元装帧:平装丛书:余华作品（2012版）ISBN:
再将找到的内容，【替换为】： 空
点击【测试】，得到最终的【替换结果】：9787506365437
最后点击【确定】，保存配置即可。
除【开始】【包含开始】【结束】【包含结束】外，还有【包含一个】【匹配所有】可选择。
【包含一个】：【开始】到【结束】中需包含某个元素
【匹配所有】：存在1条正则表达式，有多个匹配结果的情况。如果勾选【匹配所有】，则匹配所有结果。如果不勾选【匹配所有】，则只匹配第1个结果。
#### **3、正则表达式匹配**
用正则表达式将字段中的部分或全部内容提取出来。
实例：在采集数据的时候我们发现，红框中的【书籍信息】只能作为一个字段提取下来。如果想要将【出版年】独立为一个字段，就需要先将整个红框中的【书籍信息】作为一个字段提取下来，然后用【正则表达式匹配】将【出版年】单独提取出来。
具体步骤为：
Step1：【书籍信息】提取下来后，有很多空格，先将所有空格去掉。（如果提取的字段中无空格，可跳过这一步）
在【添加步骤】中，选择【正则表达式替换】
【原始值】： 【书籍信息】（包含很多空格）
【正则表达式】：\s+（这条正则表达式的意思是，找到字段中所有的空格）
【替换为】：空（将找到的全部空格替换为空）
【替换结果】：作者:余华出版社:作家出版社出版年:2012-8-1页数:191定价:20.00元装帧:平装丛书:余华作品（2012版）ISBN:9787506365437
Step2：用正则表达式找到【书籍信息】（去除全部空格）中的【出版年】信息。
在【添加步骤】中，选择【正则表达式匹配】
【原始文本】： 作者:余华出版社:作家出版社出版年:2012-8-1页数:191定价:20.00元装帧:平装丛书:余华作品（2012版）ISBN:9787506365437
【正则表达式】：按照我们上面讲的方法，用八爪鱼的正则表达式工具，生成需要的正则表达式。
【开始】：出版年：
【结束】：页数：
生成【正则表达式】： (?\<=出版年:)(.+?)(?=页数:)
点击【匹配】后，得到【匹配结果】
确定无误后，点击【应用】，此正则表达式就生效了，自动填充到【正则表达式】框中，找到内容2012-8-1
点击【测试】，得到最终的【替换结果】：2012-8-1
最后点击【确定】，保存配置即可。
#### **4、去除空格**
包括三种，分别是【去除开头空格】、【去除结尾空格】、【去除两头空格】。
实例：【书籍信息】开头和结尾都有一串空格，选择【去除两头空格】后，点击确定，八爪鱼会去除两头的空格。
也可使用前两个选项去除开头或者结尾处的空格。
#### **5、添加前缀**
为字段添加前缀，很好理解。
【原始文本】：9.4
【添加前缀】：评分
【替换结果】：评分9.4
#### **6、添加后缀**
为字段添加后缀，很好理解。
【原始文本】：9.4
【添加前缀】：分
【替换结果】：9.4分
#### **7、日期时间格式化**
提供多种格式的日期格式，根据需求进行选择。
选中时间字段，选择【日期时间格式化】，将日期转化成需要的格式或者仅提取日期时间中的某一部分。
实例：将2013-10-09 12:27:14预览结果的日期格式转换为 2013-10-19 。
#### 8、时间戳转换
将具体的时间转换为时间戳，如下将时间2013-10-09 12:27:14转换为时间戳1381292834
#### 9.时区时间转换
不同时区时间转换，比如可以蒋北京时间转换为巴黎时间，也可以将巴黎时间转换为北京时间等。
#### **10、Html转码**
Html语言是一种超文本标记语言，Html转码是将Html标记转化为普通文本，比如gt;转化为>，nbsp;转化为空格等等。