本文介绍了如何使用 python 从 html 响应中提取 authorizationCode 变量的值。主要讲解了两种方法：一种是使用字符串操作函数 find() 和 split()，另一种是使用正则表达式。文章提供了完整的代码示例，帮助开发者快速掌握从 HTML 字符串中提取特定信息的方法。
当从 API 接收到 HTML 响应时，有时需要从中提取特定的变量值。例如，你可能需要获取 JavaScript 代码中定义的 authorizationCode。 以下介绍两种常用的 Python 方法来实现这个目标。
方法一：使用字符串操作
这种方法依赖于 Python 的字符串操作函数，例如 find() 和切片。它适用于 HTML 结构相对简单，且目标变量的位置比较固定的情况。
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)
代码解释:
立即学习“Python免费学习笔记（深入）”；
- html_content: 包含 HTML 内容的字符串。
- start = html_content.find(“var authorizationCode = ‘”) + len(“var authorizationCode = ‘”): 找到字符串 “var authorizationCode = ‘” 的起始位置，并加上该字符串的长度，得到 authorizationCode 值的起始位置。
- end = html_content.find(“‘;”, start): 从 start 位置开始，找到下一个单引号和分号 ‘; 的位置，作为 authorizationCode 值的结束位置。
- authorization_code = html_content[start:end]: 使用切片操作，提取 start 和 end 之间的字符串，即 authorizationCode 的值。
注意事项:
- 这种方法对 HTML 结构的依赖性较强。如果 HTML 结构发生变化，例如变量名改变，或者单引号的使用方式改变，代码可能无法正常工作。
- 确保 HTML 内容已经解码为字符串。如果 data 是字节串，需要使用 data.decode(‘utf-8’) 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，可以更灵活地从字符串中提取信息。
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) else: print("未找到 authorizationCode")
代码解释:
立即学习“Python免费学习笔记（深入）”；
- import re: 导入 re 模块，用于使用正则表达式。
- results = re.search(“var authorizationCode = ‘([^’]*)'”, html_content): 使用 re.search() 函数在 html_content 中搜索匹配正则表达式 “var authorizationCode = ‘([^’]*)'” 的内容。
- “var authorizationCode = ‘([^’]*)'” 是一个正则表达式，它的含义是：
- var authorizationCode = ‘: 匹配字符串 “var authorizationCode = ‘”。
- ([^’]*): 匹配任意数量的非单引号字符，并将其作为一个分组捕获。 () 表示一个分组，[^’] 表示匹配除了单引号之外的任意字符，* 表示匹配零个或多个前面的字符。
- ‘: 匹配一个单引号。
- “var authorizationCode = ‘([^’]*)'” 是一个正则表达式，它的含义是：
- if results:: 判断是否找到了匹配的内容。
- authorization_code = results.group(1): 如果找到了匹配的内容，则使用 results.group(1) 获取第一个分组的内容，即 authorizationCode 的值。
- else: print(“未找到 authorizationCode”): 如果没有找到匹配的内容，则打印 “未找到 authorizationCode”。
注意事项:
- 正则表达式可能比较难以理解，需要一定的学习成本。
- 需要根据实际的 HTML 结构，编写合适的正则表达式。
- 确保 re.search() 函数返回的结果不为 None，否则访问 results.group(1) 会抛出异常。
总结
以上介绍了两种从 HTML 响应中提取特定变量值的方法。选择哪种方法取决于具体的应用场景。如果 HTML 结构比较简单且固定，可以使用字符串操作。如果 HTML 结构比较复杂或容易变化，建议使用正则表达式。在实际应用中，建议结合使用这两种方法，以提高代码的健壮性和可维护性。
评论（已关闭）
评论已关闭