从HTML响应中提取特定值并保存为Python变量-小浪学习网

从HTML响应中提取特定值并保存为Python变量

本文档旨在指导开发者如何从包含JavaScript代码的html响应中提取特定的变量值，并将其保存为python变量。我们将探讨两种常用的方法：使用字符串操作和使用正则表达式，并提供完整的代码示例和注意事项，帮助开发者高效地解析HTML内容并提取所需信息。

在进行API请求时，有时响应返回的是包含JavaScript代码的HTML内容，我们需要从中提取特定的值，例如授权码。本文将介绍两种在Python中实现这一目标的常用方法：字符串操作和正则表达式。

方法一：使用字符串操作

这种方法适用于HTML结构相对简单，且目标字符串周围有明确的标识符的情况。

步骤：

立即学习“Python免费学习笔记（深入）”；

定位起始位置： 使用 find() 方法找到目标字符串的起始标识符，例如 “var authorizationCode = ‘”。
计算偏移量： 将起始标识符的长度加到起始位置，得到目标字符串的真正起始位置。
定位结束位置： 使用 find() 方法找到目标字符串的结束标识符，例如 “;”，并指定起始搜索位置为上一步计算得到的起始位置。
提取子字符串： 使用切片操作 [start:end] 从原始字符串中提取目标字符串。

示例代码：

html_content = """ <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_content.find("var authorizationCode = '") + len("var authorizationCode = '") end = html_content.find("';", start)  authorization_code = html_content[start:end]  print(authorization_code)  # 输出: 360ad5ce-ecfe-4ad4-83d1-9254e89a3ccc

注意事项：

此方法依赖于起始和结束标识符的准确性。如果HTML结构发生变化，代码可能需要相应调整。
需要确保HTML内容已经被解码为字符串。如果从API响应中获取的是字节流，需要先使用 data.decode(‘utf-8’) 等方法进行解码。

方法二：使用正则表达式

正则表达式是一种更强大的模式匹配工具，可以处理更复杂的HTML结构和更灵活的匹配规则。

步骤：

立即学习“Python免费学习笔记（深入）”；

导入 re 模块： 使用 import re 导入Python的正则表达式模块。
定义正则表达式： 编写一个正则表达式来匹配目标字符串。例如，”var authorizationCode = ‘([^’]*)'” 可以匹配 var authorizationCode = ‘ 开头，以 ‘ 结尾，中间包含任意字符的字符串。 ([^’]*) 表示捕获单引号之间的所有字符。
使用 re.search() 方法： 使用 re.search(pattern, String) 方法在HTML内容中搜索匹配的字符串。
提取匹配的组： 如果找到匹配项，可以使用 results.group(1) 提取正则表达式中第一个捕获组的内容，即目标字符串。

示例代码：

import re  html_content = """ <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_content)  if results:     authorization_code = results.group(1)     print(authorization_code)  # 输出: 360ad5ce-ecfe-4ad4-83d1-9254e89a3ccc else:     print("未找到匹配的授权码")

注意事项：