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="/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