我想获取 HTML 中隐藏输入字段的值。
<input type="hidden" name="fooId" value="12-3456789-1111111111" />
我想在 Python 中编写一个返回 fooId 值的正则表达式，因为我知道 HTML 中的行遵循格式
<input type="hidden" name="fooId" value="**[id is here]**" />
有人可以提供一个 Python 示例来解析 HTML 中的值吗？
【问题讨论】：
标签： python regex screen-scraping
对于这种特殊情况，BeautifulSoup 比正则表达式更难编写，但它更健壮...我只是贡献了 BeautifulSoup 示例，因为您已经知道要使用哪个正则表达式:-)
from BeautifulSoup import BeautifulSoup
#Or retrieve it from the web, etc.
html_data = open('/yourwebsite/page.html','r').read()
#Create the soup object from the HTML data
soup = BeautifulSoup(html_data)
fooId = soup.find('input',name='fooId',type='hidden') #Find the proper tag
value = fooId.attrs[2][1] #The value of the third attribute of the desired tag
#or index it directly via fooId['value']
【讨论】：
我同意 Vinko BeautifulSoup 是要走的路。不过我建议使用 fooId['value'] 到 get the attribute 而不是依赖 value 作为第三个属性。
from BeautifulSoup import BeautifulSoup
#Or retrieve it from the web, etc.
html_data = open('/yourwebsite/page.html','r').read()
#Create the soup object from the HTML data
soup = BeautifulSoup(html_data)
fooId = soup.find('input',name='fooId',type='hidden') #Find the proper tag
value = fooId['value'] #The value attribute
【讨论】：
import re
reg = re.compile('<input type="hidden" name="([^"]*)" value="<id>" />')
value = reg.search(inputHTML).group(1)
print 'Value is', value
【讨论】：
如果可以避免的话，解析是您真的不想自己动手的领域之一，因为您将在未来数年内追查边缘情况和错误
我建议使用BeautifulSoup。它享有很高的声誉，并且从文档中看起来很容易使用。
【讨论】：
Pyparsing 是 BeautifulSoup 和正则表达式之间的一个很好的过渡步骤。它比正则表达式更健壮，因为它的 HTML 标记解析包含大小写、空格、属性存在/不存在/顺序的变化，但执行这种基本的标记提取比使用 BS 更简单。
您的示例特别简单，因为您要查找的所有内容都在打开的“输入”标签的属性中。这是一个 pyparsing 示例，显示了您的输入标签的几个变体，这些变体将使正则表达式适合，并且还显示了如果标签在评论中，如何不匹配标签：
html = """<html><body>
<input type="hidden" name="fooId" value="**[id is here]**" />
<blah>
<input name="fooId" type="hidden" value="**[id is here too]**" />
<input NAME="fooId" type="hidden" value="**[id is HERE too]**" />
<INPUT NAME="fooId" type="hidden" value="**[and id is even here TOO]**" />
<!--
<input type="hidden" name="fooId" value="**[don't report this id]**" />
-->
<foo>
</body></html>"""
from pyparsing import makeHTMLTags, withAttribute, htmlComment
# use makeHTMLTags to create tag expression - makeHTMLTags returns expressions for
# opening and closing tags, we're only interested in the opening tag
inputTag = makeHTMLTags("input")[0]
# only want input tags with special attributes
inputTag.setParseAction(withAttribute(type="hidden", name="fooId"))
# don't report tags that are commented out
inputTag.ignore(htmlComment)
# use searchString to skip through the input
foundTags = inputTag.searchString(html)
# dump out first result to show all returned tags and attributes
print foundTags[0].dump()
print
# print out the value attribute for all matched tags
for inpTag in foundTags:
print inpTag.value
打印：
['input', ['type', 'hidden'], ['name', 'fooId'], ['value', '**[id is here]**'], True]
- empty: True
- name: fooId
- startInput: ['input', ['type', 'hidden'], ['name', 'fooId'], ['value', '**[id is here]**'], True]
- empty: True
- name: fooId
- type: hidden
- value: **[id is here]**
- type: hidden
- value: **[id is here]**
**[id is here]**
**[id is here too]**
**[id is HERE too]**
**[and id is even here TOO]**
您可以看到，pyparsing 不仅匹配这些不可预测的变化，它还返回一个对象中的数据，以便轻松读取各个标签属性及其值。
【讨论】：
/<input type="hidden" name="fooId" value="([\d-]+)" \/>/
【讨论】：
/<input\s+type="hidden"\s+name="([A-Za-z0-9_]+)"\s+value="([A-Za-z0-9_\-]*)"\s*/>/
>>> import re
>>> s = '<input type="hidden" name="fooId" value="12-3456789-1111111111" />'
>>> re.match('<input\s+type="hidden"\s+name="([A-Za-z0-9_]+)"\s+value="([A-Za-z0-9_\-]*)"\s*/>', s).groups()
('fooId', '12-3456789-1111111111')
【讨论】：