提取物形式的鍵值對形成html頁面在Python或解析HTML頁面

Question

我想提取某種形式的元素的密鑰值對在一個HTML頁面

例如

name="frmLogin" method="POST" onSubmit="javascript:return validateAndSubmit();" action="TG_cim_logon.asp?SID=^YcMunDFDQUoWV32WPUMqPxeSxD4L_slp_rhc_rNvW7Fagp7FgH3l0uJR/3_slp_rhc_dYyJ_slp_rhc_vsPW0kJl&RegType=Lite_Home" 

而原來的線是

<form name="frmLogin" method="POST" onSubmit="javascript:return validateAndSubmit();" action="TG_cim_logon.asp?SID=^YcMunDFDQUoWV32WPUMqPxeSxD4L_slp_rhc_rNvW7Fagp7FgH3l0uJR/3_slp_rhc_dYyJ_slp_rhc_vsPW0kJl&RegType=Lite_Home"> 

是有使用，我可以放心地拿到鑰匙和值對任何方法。我嘗試使用空格拆分，然後使用'='字符，但引號內的字符串也可以具有'='。

是否有任何不同類型的拆分方法，也可以照顧引號？

Answer 1

使用解析庫如lxml.html分析HTML。

圖書館將有一個簡單的方法可以讓你得到你所需要的東西，大概沒有超過幾步承擔更多：使用分析器

選擇表單元素

1. 加載頁面對

2. 操作索要數據你想

示例代碼：

>>> import lxml.html 
>>> doc = lxml.html.parse('http://stackoverflow.com/questions/13432626/split-a-s 
tring-in-python-taking-care-of-quotes') 
>>> form = doc.xpath('//form')[0] 
>>> form 
<Element form at 0xbb1870> 
>>> form.attrib 
{'action': '/search', 'autocomplete': 'off', 'id': 'search', 'method': 'get'} 

Answer 2

你可以使用正則表達式像這樣的：

/([^=, ]+)="([^" ]+|[^," ]+)" ?"/ 

在Python中，你可以這樣做：

#!/usr/bin/python 

import re 

text = 'name="frmLogin" method="POST" onSubmit="javascript:return validateAndSubmit();" action="TG_cim_logon.asp?SID=^YcMunDFDQUoWV32WPUMqPxeSxD4L_slp_rhc_rNvW7Fagp7FgH3l0uJR/3_slp_rhc_dYyJ_slp_rhc_vsPW0kJl&RegType=Lite_Home"'; 

ftext = re.split(r'([^=, ]+)="([^" ]+|[^," ]+)" ?', text) 

print ftext; 

Answer 3

s = r'name="frmLogin" method="POST" onSubmit="javascript:return validateAndSubmit();" action="TG_cim_logon.asp?SID=^YcMunDFDQUoWV 
32WPUMqPxeSxD4L_slp_rhc_rNvW7Fagp7FgH3l0uJR/3_slp_rhc_dYyJ_slp_rhc_vsPW0kJl&RegType=Lite_Home"' 
>>> lst = s.split('" ') 
>>> for item in lst: 
...  print item.split('="') 
... 
['name', 'frmLogin'] 
['method', 'POST'] 
['onSubmit', 'javascript:return validateAndSubmit();'] 
['action', 'TG_cim_logon.asp?SID=^YcMunDFDQUoWV32WPUMqPxeSxD4L_slp_rhc_rNvW7Fagp7FgH3l0uJR/3_slp_rhc_dYyJ_slp_rhc_vsPW0kJl&RegType=Li 
te_Home"'] 

Answer 4

{i.split('="')[0]: i.split('="')[1] for i in str.split("\" ")} 

其中str是你的原始字符串

Answer 5

dict=eval('dict(%s)'%name.replace(' ',',')) 
print dict 
{'action': 'TG_cim_logon.asp?SID=^YcMunDFDQUoWV32WPUMqPxeSxD4L_slp_rhc_rNvW7Fagp7FgH3l0uJR/3_slp_rhc_dYyJ_slp_rhc_vsPW0kJl&RegType=Lite_Home', 'onSubmit': 'javascript:return,validateAndSubmit();', 'method': 'POST', 'name': 'frmLogin'} 

這將解決您的問題。