如何编写 python 正则表达式以在 html 中查找 guid？答案

【问题标题】：How to write python regex to find guid in html?如何编写 python 正则表达式以在 html 中查找 guid？
【发布时间】：2023-03-17 13:02:02
【问题描述】：

如何在下面的 HTML 部分找到 guid？

HTML 示例：

<td>xxxxxxx</td>
<td style="display: none">e3aa8247-354b-e311-b6eb-005056b42341</td>
<td>yyyyyy</td>
<td style="display: none">e3aa8247-354b-e311-b6eb-005056b42342</td>
<td>zzzz</td>

【问题讨论】：

使用解析器从td's 中提取文本然后匹配它？
使用 BeautifulSoup4 解析。
ids = re.findall(r'(.{36})', data, re.I)
@alexey 确定，只要您在隐藏的 td 中没有其他任何 36 个字符长的东西

标签： python html regex html-parsing

【解决方案1】：

re.findall("[0-9a-f]{8}-[0-9a-f]{4}-[0-9a-f]{4}-[0-9a-f]{4}-[0-9a-f]{12}",the_whole_text)

这是可行的，因为 uuid 始终是这种格式...通常在解析 html/xml 时，您应该实际使用 html/xml 解析器而不是 re ...因为 re 很难嵌套

【讨论】：

【解决方案2】：

使用 HTML 解析器，例如“漂亮”且透明的 BeautifulSoup 包。

这个想法是用xxxxxxx、yyyyyy 文本定位td 元素并获取以下td 兄弟的文本值（假设xxxxxxx 和yyyyyy 是您事先知道的标签）：

from bs4 import BeautifulSoup

data = """
<tr>
    <td>xxxxxxx</td>
    <td style="display: none">e3aa8247-354b-e311-b6eb-005056b42341</td>
    <td>yyyyyy</td>
    <td style="display: none">e3aa8247-354b-e311-b6eb-005056b42342</td>
    <td>zzzz</td>
</tr>
"""

soup = BeautifulSoup(data)

print soup.find("td", text="xxxxxxx").find_next_sibling('td').text

打印：

e3aa8247-354b-e311-b6eb-005056b42341

【讨论】：

虽然这通常是解析 html/xml 的正确方法......在这种情况下，uuid 总是匹配适合 re 的特定模式:) （+1 都是一样的，因为通常这绝对是解析 xml/html 的正确方法）
@JoranBeasley 好点，谢谢。虽然，我们不知道真正的输入 - 例如。可能有多个 uuid，需要根据 xxxxxxx 和 yyyyyy 标签区分它们
@alecxe 我绝对同意......但既然他说他只是想要 uuid，这可能有点矫枉过正
有时我只是不知道答案有什么问题以及所有反对票的情况。