由正则表达式提取 html action的属性值，谈零宽断言

因为实验需要从2w个网页中提取action中的链接，显然用bs4去解析dom树，再去逐个定位form、action。是十分花费时间的。
故笔者就利用正则表达式去解决这一个问题，

我第一步想法是匹配以 action=“ 开头的 “ 结尾字符串
用 aciton.*?" 就可以匹配出来了
但是这就遇到拦路虎了，因为笔者也是第一次动手写正则，就很菜，什么也不懂
在查了相关资料后，多方尝试，直接崩溃，
不玩了，去打王者了
在经历过王者连败后，战士依旧归来
发现了关于正则两个很有用的知识点
- 零宽断言
- 负向零宽断言

举个栗子：

<form
action="http://websitesmail.att.com/ajax_login/redirect.php"
method="post"
id="webmail_form">

首先这里用到了负向零宽断言，具体的术语名字更长，在我理解看来，就是你所需要的位置，其前方可以满足你的表达式，故第一步结果如下

<?<=action=">

现在咱们有了要匹配字段前面的要求，接下来再加上表示你所需要字符串的语法

<?<=action=">.*?

最后我们是要用“去收尾的，故用到类零宽断言，故最终的结果就是这样

(?<=action=").*?(?=")

这里我谈一下个人对零宽断言的一点点理解，

零宽断言分为正向反向
其不同于正则里面的开始符与结束符
其区别在于开始符与结束符，其最终结果是包含了你所指定的开始和结束的字符（串）
但是零宽断言的最终匹配结果是不包含你指定的定位符的。
故这个就很好的解决了，我只想要action里面的链接，而不想附带别的其余东西

希望有帮到你，谢谢

由正则表达式提取 html action的属性值，谈零宽断言相关推荐

给定字符串提取姓名(字符串、list、re“零宽断言”)
Python 官网: https://www.python.org/ 这里,才 python 前沿.可惜是英文原版.所以,我要练习英文阅读.
javascript 正则表达式-零宽断言
http://buzheng.org/blog/regex-zero-width-assertion/ 正则表达式里面比较高级的应用就属于零宽断言了.那么什么是零宽断言呢?拆分法从字面上分析一下,零宽 ...
Selenium提取数据之标签对象提取文本内容和属性值
Selenium提取数据之标签对象提取文本内容和属性值 find_element仅仅能够获取元素,不能够直接获取其中的数据,如果需要获取数据需要使用以下方法对元素执行点击操作element.clic ...
grep零宽断言正则表达式
一.grep零宽断言: (匹配宽度为零,满足一定的条件/断言) 零宽断言用于查找在某些内容(但并不包括这些内容)之前或之后的东西,也就是说它们像 \b ^ $ \< \> 这样的锚定作用, ...
JAVASCRIPT 正则表达式学习--基础与零宽断言（转自司徒正美）
元字符 ( [ { \ ^ $ | ) ? * + . 预定义的特殊字符字符正则描述 \t /\t/ 制表符 \n /\n/ 制表符 \r /\r/ 回车符 \f /\f/ 换页符 \a /\a ...
Python正则表达式之零宽断言（4）
文章目录声明 | ^ $ \A \Z \b \B 分组反向引用注意声明有些元字符它们不匹配任何字符,只是简单地表示成功或失败,因此这些字符也称之为零宽断言.例如 \b 表示当前位置位于一个单 ...
正则表达式零宽断言详解
在使用正则表达式时,有时我们需要捕获的内容前后必须是特定内容,但又不捕获这些特定内容的时候,零宽断言就起到作用了. 一.基本概念: 零宽断言正如它的名字一样,是一种零宽度的匹配,它匹配到的内容不会保存 ...
正则表达式之零宽断言
介绍: 零宽断言用于查找在某些内容(但并不包括这些内容)之前或之后的东西,也就是说它们像 \b ^ $ \< \> 这样的锚定作用,用于指定一个位置,这个位置应该满足一定的条件(即断言), ...
php 零宽断言,正则表达式之零宽断言
介绍: 零宽断言用于查找在某些内容(但并不包括这些内容)之前或之后的东西,也就是说它们像 \b ^ $ \< \> 这样的锚定作用,用于指定一个位置,这个位置应该满足一定的条件(即断言), ...

由正则表达式提取 html action的属性值，谈零宽断言

由正则表达式提取 html action的属性值，谈零宽断言相关推荐

最新文章

热门文章