我有带有 javascript 的 html 页面 html中有一些js代码：
<script type="text/javascript">
var viewAllLimiter = 0;
</script>
如何找到 viewAllLimiter 并通过 re.search 获取其价值？
我试过了：
#hh2 - opened page with urllib2
re.search('var viewAllLimite = "(\w)"', hh2)
我需要这样的输出：
var viewAllLimiter = 0;
或其他任何我知道的我看到 viewAllLimiter 参数的值
【问题讨论】：
标签： python regex full-text-search web-scraping
一种方法是使用re.findall 方法和组。这将返回您的组作为成员的列表。此外，如果您想将大于 9 的数字与您的正则表达式匹配，您需要在 \w 之后添加一个“+”。此外，如果您确定该值将始终是一个数字，最好使用 \d+。
re.findall( r'(viewAllLimiter =) (\w+)', txt )
这将返回
[('viewAllLimiter =', '0')]
对于你的例子，但也会返回
[('viewAllLimiter =', '9924')]
如果该值是一个更大的数字。注意列表中的元组。这是因为您为每个模式匹配获得一个元组，并且元组中的每个项目都是您的组之一。使用正则表达式时要记住的最后一件事，使用raw strings（前导引号前的r）可以省去很多麻烦。
要匹配更通用的变量类，您可以使用以下正则表达式，
re.findall( r"""\s*(CATEGORY_ID)\s*=\s*((?:'|")?\w+(?:'|")?)""", txt )
只要您将要搜索的变量名称放在正则表达式的开头，它就会捕获引号中的任何内容（或不捕获）。请注意，这将返回引号和值，例如 [('SKU', '"GRP05133"')]。如果你只想要这个值，你可以让第二组紧靠\w+ 部分。
re.findall( r"""\s*(CATEGORY_ID)\s*=\s*(?:'|")?(\w+)(?:'|")?""", txt )
如果我们分解这个正则表达式，它会说，
"""
\s* # zero or more white spaces
(xxx) # the variable you're looking for
\s* # zero or more white spaces
= # an equal sign
\s* # zero or more white space
(?:'|")? # zero or one ' or " but non-capturing (i.e. don't store in group output)
(\w+) # the value of the variable
(?:'|")? # zero or one single quote OR zero or one double quote
"""
【讨论】：
r"""\s*=\s*(['"]?\w+['"]?)""" 这表示匹配零个或多个空格，然后是“=”，然后是零个或多个空格，然后是可以用单引号或双引号
您可以使用命名组：
m=re.search(r"var viewAllLimiter =(?P<myFancyName>\w);", s)
然后，要访问该值（在您的情况下为 0），您可以这样做
m.groupdict()["myFancyName"]
要访问 viewAllLimiter 和 groupdict() 的值，会返回一个字典，其中包含 reg-exp 中的所有命名组。
【讨论】：
findall而不是search