本文旨在介绍如何使用 python 从 html 响应中提取特定的变量值，并将其保存为变量。我们将探讨两种主要方法：使用字符串函数和使用正则表达式。通过详细的代码示例和解释，帮助读者理解并掌握这两种方法的应用，从而高效地从 HTML 文本中提取所需信息。
在进行API请求时，服务器返回的响应可能包含HTML代码，而我们需要从这段HTML代码中提取特定的值，例如JavaScript变量的值。以下介绍两种常用的方法：使用字符串函数和使用正则表达式。
方法一：使用字符串函数
Python的字符串函数提供了一种简单直接的方式来定位和提取字符串中的特定部分。这种方法适用于HTML结构相对简单，且目标字符串的模式比较固定时。
步骤：
立即学习“Python免费学习笔记（深入）”；
- 定位起始位置： 使用find()函数找到目标变量声明的起始位置。
- 计算偏移量： 加上起始字符串的长度，得到目标变量值的起始位置。
- 定位结束位置： 再次使用find()函数，从起始位置开始查找目标变量值的结束位置。
- 提取子字符串： 使用切片操作[start:end]提取目标变量值。
示例代码：
html_text = """ <html> <head> -------------------- </head> <body> <script> function onClickButton(word) { if (word == 'yes'){ var authorizationCode = '360ad5ce-ecfe-4ad4-83d1-9254e89a3ccc'; var state = 'c8271b81-4229-6a1f-bf9c-758f11c1f5b1'; } else { alert(word); } } </script> <div class="shb-psua-sign-app-sandbox-container"> -------------------- </div> </body> </html> """ start = html_text.find("var authorizationCode = '") + len("var authorizationCode = '") end = html_text.find("';", start) authorization_code = html_text[start:end] print(authorization_code) # 输出: 360ad5ce-ecfe-4ad4-83d1-9254e89a3ccc
注意事项：
- 这种方法依赖于目标字符串的固定模式，如果HTML结构发生变化，代码可能需要修改。
- 确保起始和结束字符串的查找是准确的，否则可能提取到错误的值。
- 在处理从网络获取的HTML时，需要先使用.decode(‘utf-8’)将字节流解码为字符串。
方法二：使用正则表达式
正则表达式是一种强大的文本匹配工具，可以用于从复杂的HTML结构中提取符合特定模式的字符串。
步骤：
立即学习“Python免费学习笔记（深入）”；
- 导入re模块： import re
- 编写正则表达式： 使用re.search()函数和合适的正则表达式来匹配目标变量值。正则表达式需要能够准确地匹配目标变量的模式，并使用括号()捕获目标值。
- 提取捕获组： 使用results.group(1)提取正则表达式中第一个捕获组的值，即目标变量值。
示例代码：
import re html_text = """ <html> <head> -------------------- </head> <body> <script> function onClickButton(word) { if (word == 'yes'){ var authorizationCode = '360ad5ce-ecfe-4ad4-83d1-9254e89a3ccc'; var state = 'c8271b81-4229-6a1f-bf9c-758f11c1f5b1'; } else { alert(word); } } </script> <div class="shb-psua-sign-app-sandbox-container"> -------------------- </div> </body> </html> """ results = re.search("var authorizationCode = '([^']*)'", html_text) authorization_code = results.group(1) print(authorization_code) # 输出: 360ad5ce-ecfe-4ad4-83d1-9254e89a3ccc
正则表达式解释：
- var authorizationCode = ‘：匹配字面字符串 “var authorizationCode = ‘”。
- ([^’]*)：这是一个捕获组，用于匹配目标变量值。
- [^’]：匹配除了单引号之外的任何字符。
- *：匹配零个或多个前面的字符。
- ‘：匹配字面字符串 “‘”。
注意事项：
- 正则表达式的编写需要一定的技巧，需要根据实际情况调整正则表达式以确保准确匹配。
- 如果正则表达式没有匹配到任何内容，results将为None，访问results.group(1)会抛出异常，需要进行错误处理。
总结
本文介绍了两种从HTML响应中提取特定变量值的方法：使用字符串函数和使用正则表达式。字符串函数方法简单直接，适用于HTML结构简单的情况；正则表达式方法更加灵活强大，适用于HTML结构复杂的情况。选择哪种方法取决于具体的应用场景和HTML结构的复杂程度。在实际应用中，需要根据具体情况选择合适的方法，并注意处理可能出现的错误。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
THE END
