Regex 从html表单中提取值

我有一个巨大的html文件，我试图从一个唯一的输入表单中提取一个特定的值

...    
<input type="hidden" name="wpLoginToken" value="9ae61b0c5de20b418895d5301f6a1517" />
"editToken":"4087c77c53bbedbb1015946281fe8b99+\\"
....

第二次

s/"editToken":"\([^"]*\)".*/\1/

但在这两种情况下，我都得到了整个文件

有什么想法吗

---

谢谢

不要使用

sed

。如果您切换到正确的工具，这和您未来的任何web抓取都将变得更加容易。例如：

• python

  用于该语言

• lxml

  用于其漂亮的ulsoup解析器
• XPath用于在HTML元素树中搜索
• 元素树用于查看元素内部和周围

使用这些选项的程序如下所示：

#!/usr/bin/python

from lxml.html.soupparser import parse

tree = parse(file('index.html'))
# XPath: “look for an <input> element with ‘name’ attribute equal ‘wpLoginToken’”
element = tree.xpath('//input[@name="wpLoginToken"]')[0]
print(element.value)

data = element.tail.split('"')
print(data[3])

注意：在linux系统上安装以下软件包：

• python

• python lxml

sed-n'/[wpLogin | editToken]/{s/*“\（.*）”*/\1/p}

---

第一部分匹配标记，第二部分查找一对引号，引号之间有任何内容，如果您不能依赖引号，则可以将其更改为更具体的内容。

您所需要的只是-n选项和最后打印的p，您可能已经计算出其余部分，您很接近，但sed-n's/”wpLoginToken“*value=“（[^“]*）”*/\1/p”会让sed感到困惑，因为您匹配了多个以前的模式，所以它会提供最大匹配，并返回：

#!/usr/bin/python

from lxml.html.soupparser import parse

tree = parse(file('index.html'))
# XPath: “look for an <input> element with ‘name’ attribute equal ‘wpLoginToken’”
element = tree.xpath('//input[@name="wpLoginToken"]')[0]
print(element.value)

data = element.tail.split('"')
print(data[3])

9ae61b0c5de20b418895d5301f6a1517
4087c77c53bbedbb1015946281fe8b99+\\

sed -n '/[wpLogin|editToken]/{s/.*".*"\(.*\)".*/\1/p}'  <file>