[英]Need help Regex for python
所以我想得到这个 html 代码中的链接,我已经尝试使用正则表达式
<div class="title" onclick="ta.setEvtCookie('Search_Results_Page', 'POI_Name', '', 0, '/Attraction_Review-g1787072-d2242305-Reviews-Lake_Travis_Zipline_Adventures-Volente_Texas.html')"><span>Lake Travis <span class="highlighted">Zipline</span> Adventures</span></div>
到目前为止我已经这样做了,但直到最后部分才赶上
/Attraction_Review-\\w+-\\w+-\\w+
它只会抓住
/Attraction_Review-g1787072-d2242305-Reviews
我怎样才能让它赶上 .html 部分?
我希望它捕捉整个链接
此外,链接是动态生成的,因此没有任何固定长度
如何替代正则表达式方法:使用HTML 解析器获取onclick
属性值并使用Javascript 解析器提取最后一个函数参数。
在这里,我使用BeautifulSoup
和slimit
解析器:
from bs4 import BeautifulSoup
from slimit import ast
from slimit.parser import Parser
from slimit.visitors import nodevisitor
data = """<div class="title" onclick="ta.setEvtCookie('Search_Results_Page', 'POI_Name', '', 0, '/Attraction_Review-g1787072-d2242305-Reviews-Lake_Travis_Zipline_Adventures-Volente_Texas.html')"><span>Lake Travis <span class="highlighted">Zipline</span> Adventures</span></div>"""
soup = BeautifulSoup(data)
# get onclick value
onclick = soup.find("div", class_="title", onclick=True)["onclick"]
# parse onclick js code
parser = Parser()
tree = parser.parse(onclick)
for node in nodevisitor.visit(tree):
if isinstance(node, ast.FunctionCall):
print(node.args[-1].value)
印刷:
'/Attraction_Review-g1787072-d2242305-Reviews-Lake_Travis_Zipline_Adventures-Volente_Texas.html'
我知道对这样一段简单直接的 Javascript 代码使用 Javascript 解析器可能有点太多了 - 随意用正则表达式替换该部分。 但是,请确保使用 HTML 解析器解析 HTML 本身。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.