正则表达式：如何在 html 中查找包含另一个属性的属性答案

【问题标题】：Regex: How to find attribute in html, that includes another attribute正则表达式：如何在 html 中查找包含另一个属性的属性
【发布时间】：2016-02-23 10:04:51
【问题描述】：

在此 HTML 代码中：

<frameset border="0" framespacing="0" frameborder="0" rows="85,*">
<frame border="0" marginheight="0" name="logoframe" scrolling="no" noresize target="middle" src="a.html" onload="reload()">

<frameset cols="235,*">
<frame border="0" name="left" src="b.html" scrolling="no"><frame border="0" noresize name="main" src="c.html"  scrolling="auto"></frameset><noframes>
<body topmargin="0" leftmargin="0">
<p>This page uses frames, but your browser doesn't support them.</p></body>         
</noframes>
</frameset></html>

我想找到包含name="main" 的src 属性在这个例子中它应该返回c.html。

【问题讨论】：

不要不使用正则表达式解析 HTML。说真的。
beautifulsoup 的解决方案也不错
更多选项：duckduckgo.com/?q=python+dom+parser

标签： python html regex beautifulsoup

【解决方案1】：

这可以使用BeautifulSoup 来完成，如下所示：

from bs4 import BeautifulSoup

html = """<frameset border="0" framespacing="0" frameborder="0" rows="85,*">
<frame border="0" marginheight="0" name="logoframe" scrolling="no" noresize target="middle" src="a.html" onload="reload()">

<frameset cols="235,*">
<frame border="0" name="left" src="b.html" scrolling="no"><frame border="0" noresize name="main" src="c.html"  scrolling="auto"></frameset><noframes>
<body topmargin="0" leftmargin="0">
<p>This page uses frames, but your browser doesn't support them.</p></body>         
</noframes>
</frameset></html>"""

soup = BeautifulSoup(html)

frame = soup.find('frame', attrs={'name': 'main'})
print frame['src']

它将显示文本：

c.html

【讨论】：

【解决方案2】：

使用 JQuery，您可以简单地执行以下操作，

var srcFetched = $("input[name='main']").attr("src");
alert(srcFetched);

【讨论】：

我可以用 beautifulsoup 做类似的事情吗？

【解决方案3】：

最好使用 HTML 或 XML 解析器从 HTML 或 XML 内容中提取值，正则表达式很好，但我仍然更喜欢 Parser 从 html 内容中提取数据。

有人通过Beautifulsoup回答。

以下是lxml解析器

演示：

>>> from lxml import html as PARSER 
>>> root = PARSER.fromstring(html)
>>> root.xpath("//frame")
[<Element frame at 0xb748e414>, <Element frame at 0xb748eb94>, <Element frame at 0xb748e5a4>]
>>> root.xpath("//frame[@name='main']")
[<Element frame at 0xb748e5a4>]
>>> root.xpath("//frame[@name='main']/@src")
['c.html']
>>>

在上面的代码中，

我们通过fromstring方法创建对象
使用xpath方法查找目标值和标签。
使用xpath 中的条件来获取目标数据。

【讨论】：