Python 3从HTTPrequest响应获取一些字符串

Question

我很难从httprequest响应中提取数据。

有人能帮我吗？以下是我的代码：

import requests

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

>>> 42136

42136值基本上表示response.text上存在字符串“loginfield”。但是如何从中提取特定字符串呢？

例如，我想提取这些字符串：

<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.

有人知道我该如何处理这个问题吗？

Answer 1

您可以使用^{}解析HTML并获取标记。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)

应打印：

Some title here

但要看是不是第一个头衔

Answer 2

请注意，对于HTML页面数据提取，您应该查看像Beautiful soup这样的专用库。这样你的程序就不会那么脆弱，更容易维护。

---

如果字符串不存在，则^{}将返回-1。

您检索到的页面中没有字符串“loginfield”。

---

一旦字符串有了正确的索引，返回的值就是该字符串的第一个字符的位置。

既然你编辑了你的问题：

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

也就是说，字符串“loginfield”从文本中的偏移42136开始。你可以从那个位置开始显示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。