Python 網頁轉義字元及正則全文匹配

2021-09-20 05:54:43 字數 1846 閱讀 1013

header = 


def rget():


response = session.get("", headers=header)


target_str = response.text


print(target_str)


rget()
在給知乎的登入頁面發請求後，列印返回結果(內容太多，只返回一小部分)：

"token":,"account":
發現有很多字元是轉義的，登入需要用到的xsrf欄位也在這裡面，這樣做正則匹配就很麻煩。

解決的辦法是將html進行轉義：

import html


target_str = html.unescape(response.text)
就能夠得到正常的返回資訊了：

"token":,
匹配xsrf的值 （為了方便測試，只將一小部分值提取出來做匹配）：

tokens = '"token":,:'


matchs = re.search(r'xsrf[:"\w-]+', tokens)


if matchs:


print(matchs.group(0))


else:


print("未匹配")
得到輸出結果為：

xsrf":"9febf0fd-7c47-4695-93b6-f670e518d920"
然後再借用replace將引號替換，然後用split將值用冒號分開：

import re


tokens = '"token":,:'


matchs = re.search(r'xsrf[:"\w-]+', tokens)


nstr = matchs.group(0).replace("\"", "").split(":")


finall = nstr[1]


print(finall)
就得到了我需要的xsrf：

9febf0fd-7c47-4695-93b6-f670e518d920
xudid的提取也是如此，這兩個值在知乎登入的時候是需要攜帶的，所以要提取：

import re


tokens = '"token":,:'


matchs = re.search(r'xudid[:"\w-]+=', tokens)


nstr = matchs.group(0).replace("\"", "").split(":")


finall = nstr[1]


print(finall)
acdsf5lmag2pti2gmwqtl0cwh88g51bogzc=
上面的正則可以匹配到字串了，如果正常登入的話要將請求返回的內容文字進行匹配的，也就是匹配response.text，**是否就是

matchs = re.search(r'xudid[:"\w-]+=', response.text)
坑就在這裡！

re預設匹配的是單行字串，而response.text的返回值雖然是乙個html頁面的構成，但是它是分行的，第一行是html頭不是我想要的整個文字進行匹配。

re是支援整個文字匹配的，需要在正則**加上引數re.dotall即可：

matchs = re.search(r'xudid[:"\w-]+=', response.text， re.dotall)
就可以對整個返回的文字進行匹配了

Python轉義字元及用法

在前面的章節中，我們曾經簡單學習過轉義字元，所謂轉義，可以理解為 採用某些方式暫時取消該字元本來的含義 這裡的 某種方式 指的就是在指定字元前新增反斜槓 以此來表示對該字元進行轉義。舉個例子，在 python 中單引號 或雙引號 是有特殊作用的，它們常作為字元 或字串 的標識 只要資料用引號括起來，...

Python轉義字元

在需要在字元中使用特殊字元時，python 用反斜槓 轉義字元。如下表 原始字串 有時我們並不想讓轉義字元生效，我們只想顯示字串原來的意思，這就要用r和 r來定義原始字串。如 print r t r 實際輸出為 t r 轉義字元 描述 在行尾時 續行符 反斜槓符號 單引號 雙引號 a 響鈴 b 退格...

Python轉義字元

在需要在字元中使用特殊字元時，python用反斜槓 轉義字元。如下表 原始字串 有時我們並不想讓轉義字元生效，我們只想顯示字串原來的意思，這就要用r和r來定義原始字串。如 print r t r 實際輸出為 t r 轉義字元 描述 在行尾時 續行符 反斜槓符號 單引號 雙引號 a響鈴 b退格 bac...