re.match匹配多行数据失败

最新推荐文章于 2024-04-21 17:31:52 发布

原创最新推荐文章于 2024-04-21 17:31:52 发布 · 2k 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#正则表达式

PYTHON 同时被 2 个专栏收录

21 篇文章

订阅专栏

BUG记录

9 篇文章

订阅专栏

本文介绍了一种在Python中使用正则表达式从网页源码中提取_xsrf值的方法。通过调整re.match方法的参数，使其能正确处理多行数据而非仅限于单行。该文对于理解如何配置正则表达式的标志位来处理不同规模的数据非常有用。

出错代码与现象：
正则表达式提取网站源码中的_xsrf的值
使用单行数据测试正则表达式，能够正确提取，但是换成网页全文数据的时候，出现错误。

import requests
try:
    import cookielib
except:
    import http.cookiejar as cookielib
import re


session = requests.session()
header = {
    "HOST": "www.zhihu.com",
    "Referer": "https://www.zhihu.com/",
    "User-Agent": "Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:56.0) Gecko/20100101 Firefox/56.0"
}

def get_xsrf():
    r = session.get("https://www.zhihu.com", headers=header)
    # print(r.text)
    text1 = '<input type="hidden" name="_xsrf" value="5986f7d0c7314107a47024ef01fedcc8"/>'
    text = 'xxx\n<input type="hidden" name="_xsrf" value="5986f7d0c7314107a47024ef01fedcc8"/>'
    match_obj = re.match('.*name="_xsrf" value="(.*?)"', text, re.DOTALL)
    if match_obj:
        print(match_obj.group(1))
    else:
        print("None")


get_xsrf()