Python 3 - 从 HTTPrequest 响应中获取一些字符串

Question

我很难从 httprequest 响应中提取数据。

有人可以帮助我吗？这是我的代码的一部分：

import requests

r = requests.get('https://www.example.com', verify=True)
keyword = r.text.find('loginfield')
print (keyword)

>>> 42136

42136 值基本上意味着字符串 'loginfield' 存在于 response.text 中。但是如何从中提取特定的字符串呢？

例如，我想提取这些确切的字符串：

<title>Some title here</title>

或者这个：

<div id='bla...' #continues extracting of strings until it stops where I want it to stop extracting.

有人知道我应该如何解决这个问题吗？

Answer 1

您可以使用BeautifulSoup 来解析 HTML 并获取标签。下面是一段代码示例：

import requests
from bs4 import BeautifulSoup as BS
r = requests.get('https://www.example.com', verify=True)
soup = BS(r.text)
print(soup.find('title').text)

应该打印：

Some title here

但取决于它是否是第一个标题

Answer 2

请注意，对于 HTML 页面数据提取，您应该查看专门的库，例如 Beautiful soup。这样，您的程序将不那么脆弱，并且更易于维护。

---

如果字符串不存在，

string.find将返回-1。

您检索的页面中没有字符串“loginfield”。

---

一旦你的字符串有正确的索引，返回的值就是该字符串的第一个字符的位置。

因为你编辑了你的问题：

>>> r.text.find('loginfield') 
42136

这意味着，字符串“loginfield”从文本中的偏移量 42136 开始。您可以以这种方式显示从该位置开始的 200 个字符：

>>> print(r.text[42136:42136+200])

要找到您要查找的各种值，您必须找出相对于该位置的位置。