需要 python 的正则表达式帮助

Question

所以我想在这个 html 代码中得到 link 并且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，但是直到最后才明白

/Attraction_Review-\w+-\w+-\w+

它只捕获

/Attraction_Review-g1787072-d2242305-Reviews

我怎样才能让它捕捉到 .html 部分？

我想让它捕捉整个link

此外，link 是动态生成的，因此没有任何固定长度

Answer 1

正则表达式方法的替代方法如何：使用 HTML 解析器 获取 onclick 属性值并使用 Javascript parser 提取最后一个函数参数。

我在这里使用 BeautifulSoup and 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)

打印：

'/Attraction_Review-g1787072-d2242305-Reviews-Lake_Travis_Zipline_Adventures-Volente_Texas.html'

我知道使用 Javascript 解析器来处理如此简单直接的 Javascript 代码可能有点过分了 - 请随意用正则表达式替换该部分。但是，请确保 HTML 本身使用 HTML 解析器进行解析。

需要 python 的正则表达式帮助

Need help Regex for python

html

javascript

python

regex

html-parsing