用于从 HTML 元素捕获标记的正则表达式

Question

所以我试图从 html 中的对象获取值。我已经找到了如何获取该值，但是其中添加了我不想要的额外内容。

我试过使用 .split() 和组，但是 none 已经做了任何事情。

html = r.text
checkouttoken = re.search('DF_CHECKOUT_TOKEN = (.*?);', html, re.S)

print(checkouttoken.group(0))

预计：

27f37949bb8a76ede81508c8c1b750c8

实际：

< iframe srcdoc="&lt;script&gt;!function(){var e=function(e){var t={exports:{}};return e.call(t.exports,t,t.exports),t.exports},r=function(){fun
DF_CHECKOUT_TOKEN = "27f37949bb8a76ede81508c8c1b750c8";

Answer 1

做group(1)。 group(0) 是所有匹配的文本，group(1) 是您捕获的第一组。

此外，如果您不想在结果中使用引号，则需要将引号添加到捕获组之外的正则表达式中：'DF_CHECKOUT_TOKEN = "(.*?)";'

Answer 2

我们在这里可能想要的表达式可以很简单：

DF_CHECKOUT_TOKEN = \"(.+?)\"

测试

# coding=utf8
# the above tag defines encoding for this document and is for Python 2.x compatibility

import re

regex = r"DF_CHECKOUT_TOKEN = \"(.+?)\""

test_str = "< iframe srcdoc=\"<script>!function(){var e=function(e){var t={exports:{}};return e.call(t.exports,t,t.exports),t.exports},r=function(){fun DF_CHECKOUT_TOKEN = \"27f37949bb8a76ede81508c8c1b750c8\";"

matches = re.finditer(regex, test_str, re.MULTILINE)

for matchNum, match in enumerate(matches, start=1):

    print ("Match {matchNum} was found at {start}-{end}: {match}".format(matchNum = matchNum, start = match.start(), end = match.end(), match = match.group()))

    for groupNum in range(0, len(match.groups())):
        groupNum = groupNum + 1

        print ("Group {groupNum} found at {start}-{end}: {group}".format(groupNum = groupNum, start = match.start(groupNum), end = match.end(groupNum), group = match.group(groupNum)))

# Note: for Python 2.7 compatibility, use ur"" to prefix the regex and u"" to prefix the test string and substitution.

用于从 HTML 元素捕获标记的正则表达式

RegEx for capturing a token from an HTML element

python

regex

regex-group

regex-greedy

regex-lookarounds

测试

Demo