html特定字段表紅,提取字段HTML表单的名称 – Python

假设有一个链接“http://www.someHTMLPageWithTwoForms.com”,它基本上是一个有两种形式的HTML页面(比如Form 1和Form 2).我有这样的代码……

import httplib2

from BeautifulSoup import BeautifulSoup, SoupStrainer

h = httplib2.Http('.cache')

response, content = h.request('http://www.someHTMLPageWithTwoForms.com')

for field in BeautifulSoup(content, parseOnlyThese=SoupStrainer('input')):

if field.has_key('name'):

print field['name']

这将返回属于我的HTML页面的表单1和表单2的所有字段名称.有什么方法我只能获得属于特定表单的字段名称(仅限表单2)？

解决方法:

使用lxml进行这种解析也很容易(我个人更喜欢使用BeautifulSoup,因为它支持Xpath).例如,以下代码段将打印属于名为“form2”的表单的所有字段名称(如果有的话)：

# you can ignore this part, it's only here for the demo

from StringIO import StringIO

HTML = StringIO("""

""")

# here goes the useful code

import lxml.html

tree = lxml.html.parse(HTML) # you can pass parse() a file-like object or an URL

root = tree.getroot()

for form in root.xpath('//form[@name="form2"]'):

for field in form.getchildren():

if 'name' in field.keys():

print field.get('name')

标签：python,parsing

来源： https://codeday.me/bug/20190626/1294869.html