用于HTML解析的Python正则表达式(BeautifulSoup)

Question

我想在HTML中获取隐藏输入字段的值.

<input type="hidden" name="fooId" value="12-3456789-1111111111" />

我想在Python中编写一个正则表达式,它将返回值fooId,因为我知道HTML中的行遵循格式

<input type="hidden" name="fooId" value="**[id is here]**" />

有人可以在Python中提供一个示例来解析HTML的值吗？

Answer 1

对于这个特殊情况,BeautifulSoup比正则表达式更难写,但它更强大......我只是贡献了BeautifulSoup示例,因为你已经知道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']

Answer 2

我同意Vinko BeautifulSoup是要走的路.不过我建议使用fooId['value']来获取属性,而不是依靠值是第三属性.

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

Answer 3

import re
reg = re.compile('<input type="hidden" name="([^"]*)" value="<id>" />')
value = reg.search(inputHTML).group(1)
print 'Value is', value

Answer 4

解析是你真的不想自己动手的地方之一,如果你可以避免它,因为你将追逐边缘案例和bug多年来会来

我建议使用BeautifulSoup.它具有非常好的声誉,从文档中看起来很容易使用.