JavaScript正則獲取字符串括號內的內容

先，介紹一下正則的概念。正則表達式是由一個字符序列形成的搜索模式。當你在文本中搜索數據時，你可以用搜索模式來描述你要查詢的內容。正則表達式可用于所有文本搜索和文本替換的操作。其基本語法結構如下：

/正則表達式主體/修飾符(可選)

其中，修飾符部分是可選內容。常見的修飾符有：

修飾符描述i執行對大小寫不敏感的匹配。g執行全局匹配（查找所有匹配而非在找到第一個匹配后停止）。m執行多行匹配。

另外，JS的正則表達式模式和Python相似，具體可以參考資料2所示。主要包括：方括號、元字符和量詞等。

支持正則表達式的String對象的方法如下：

方法描述FFIEsearch檢索與正則表達式相匹配的值。14match找到一個或多個正則表達式的匹配。14replace替換與正則表達式匹配的子串。14split把字符串分割為字符串數組。14

其中，match會返回匹配上的內容，比較常用。

以下給出一個利用JavaScript正則獲取字符串括號內的內容的小例子：

encode='aa(ddsdd)gh'var re=/\([^\)]+\)/gencode=encode.match(re)[0]encode=encode.substring(1,encode.length-1)  //ddsdd

原文鏈接：https://blog.csdn.net/sinat_23133783/article/details/109082113?utm_medium=distribute.pc_category.none-task-blog-hot-3.nonecase&depth_1-utm_source=distribute.pc_category.none-task-blog-hot-3.nonecase&request_id=

作者：麥片加奶不加糖

ttpRunner獲取響應數據&extract提取值到變量

獲取響應數據

extract提取

注：extract 應與request保持同一層級

響應行，響應頭；通過 extract 提取響應的數據并存儲到變量中，如下

注：變量名的前面要有 -
# 獲取響應數據: 響應行（200，ok）\響應頭
- config:
    name: 測試百度網站
    base_url: https://www.baidu.com

- test:
    name: 接口名稱 百度接口
    request:
      url: /
      method: GET
    extract:  # 提取值存儲到變量中
      - code: status_code  # 響應碼
      - info: reason       # ok
      - header_Content: headers.Content-Type  # 響應頭部
    validate:
      - eq: [$code,200]  # 引用變量  $變量名
      - eq: [$info,"OK"]
      - eq: [$header_Content,'text/html']

獲取響應正文

extract 解析響應正文（支持正則）

通過 extract 提取響應正文的數據并存儲到變量中（可使用正則提取），如下：

注：如果斷言為中文，加上headers頭部的Accept-Language即可，后面有專門寫的中文亂碼解碼的問題解決

# 獲取響應數據  響應正文(支持正則)
- config:
    name: 百度
    base_url: https://www.baidu.com

- test:
    name: 百度主頁
    request:
        url: /
        method: GET
        headers:  # 如果斷言為中文的話，加上headers的Accept-Language即可
          Accept: text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9
          Accept-Encoding: gzip, deflate, br
          Accept-Language: zh-CN,zh;q=0.9
          User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/93.0.4577.82 Safari/537.36
    extract:
      - title: <title>(.+?)</title>  # 可以使用正則表達式提取
    validate:
      - eq: [$title,"百度一下，你就知道"]

extract 解析響應正文（支持json）

通過 extract 提取響應正文的數據并存儲到變量中（提取json數據），格式以content為根節點：content.key.key.key ;如下:

次爬取用到的知識點有:

selenium
pymysql
pyquery

正文

分析目標網站
打開某寶首頁, 輸入"男裝"后點擊"搜索", 則跳轉到"男裝"的搜索界面.
空白處"右擊"再點擊"檢查"審查網頁元素, 點擊"Network".

1) 找到對應的URL, URL里的參數正是Query String Parameters的參數, 且請求方式是GET

2) 我們請求該URL得到內容就是"Response"里的內容, 那么點擊它來確認信息.

3) 下拉看到"男裝"字樣, 那么再往下找, 并沒有發現有關"男裝"的商品信息.

4) 任意復制一個商品信息, 空白處右擊再點擊"查看網頁源代碼", 在源碼查找該商品, 即可看到該商品的信息.

5) 對比網頁源代碼和"Response"響應內容, 發現源代碼<script>..........</script>中的商品信息被替換, 這便是采用了JS加密

6) 如果去請求上面的URL, 得到的則是加密過的信息, 這時就可以利用Selenium庫來模擬瀏覽器, 進而得到商品信息.

獲取單個商品界面

請求網站

# -*- coding: utf-8 -*-
from selenium import webdriver #從selenium導入瀏覽器驅動
browser=webdriver.Chrome() #聲明驅動對象, 即Chrome瀏覽器
def get_one_page():
 '''獲取單個頁面'''
 browser.get("https://www.xxxxx.com") #請求網站

輸入"男裝", 在輸入之前, 需要判斷輸入框是否存在, 如果存在則輸入"男裝", 不存在則等待顯示成功.

# -*- coding: utf-8 -*-
from selenium import webdriver 
from selenium.webdriver.common.by import By #導入元素定位方法模塊
from selenium.webdriver.support.ui import WebDriverWait #導入等待判斷模塊
from selenium.webdriver.support import expected_conditions as EC #導入判斷條件模塊
browser=webdriver.Chrome() 
def get_one_page():
 '''獲取單個頁面'''
 browser.get("https://www.xxxxx.com") 
 input=WebDriverWait(browser,10).until( #等待判斷
 EC.presence_of_element_located((By.CSS_SELECTOR,"#q"))) #若輸入框顯示成功,則獲取,否則等待
 input.send_keys("男裝") #輸入商品名稱

下一步就是點擊"搜索"按鈕, 按鈕具有屬性: 可點擊, 那么加入判斷條件.

# -*- coding: utf-8 -*-
from selenium import webdriver 
from selenium.webdriver.common.by import By 
from selenium.webdriver.support.ui import WebDriverWait 
from selenium.webdriver.support import expected_conditions as EC 
browser=webdriver.Chrome() 
def get_one_page():
 '''獲取單個頁面'''
 browser.get("https://www.xxxxx.com") 
 input=WebDriverWait(browser,10).until( 
 EC.presence_of_element_located((By.CSS_SELECTOR,"#q"))) #
 input.send_keys("男裝") 
 button=WebDriverWait(browser,10).until( #等待判斷
 EC.element_to_be_clickable((By.CSS_SELECTOR,"#J_TSearchForm > div.search-button > button"))) #若按鈕可點擊, 則獲取, 否則等待
 button.click()

獲取總的頁數, 同樣加入等待判斷.

# -*- coding: utf-8 -*-
?
import re
from selenium import webdriver
from selenium.common.exceptions import TimeoutException
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
browser=webdriver.Chrome()
def get_one_page():
 '''獲取單個頁面'''
 browser.get("https://www.xxxxx.com")
 input=WebDriverWait(browser, 10).until(
 EC.presence_of_element_located((By.CSS_SELECTOR, "#q")))
 input.send_keys("男裝")
 button=WebDriverWait(browser, 10).until(
 EC.element_to_be_clickable(
 (By.CSS_SELECTOR, "#J_TSearchForm > div.search-button > button")))
 button.click() 
 pages=WebDriverWait(browser, 10).until( # 等待判斷
 EC.presence_of_element_located(
 (By.CSS_SELECTOR, "#mainsrp-pager > div > div > div > div.total"))) # 若總頁數加載成功,則獲取總頁數,否則等待 
 return pages.text
def main():
 pages=get_one_page()
 print(pages)
if __name__=='__main__':
 main()

打印出來的不是我們想要的結果, 利用正則表達式獲取, 最后再利用try...except捕捉異常

# -*- coding: utf-8 -*-
import re
from selenium import webdriver 
from selenium.common.exceptions import TimeoutException 
from selenium.webdriver.common.by import By 
from selenium.webdriver.support.ui import WebDriverWait 
from selenium.webdriver.support import expected_conditions as EC 
browser=webdriver.Chrome() 
def get_one_page():
 '''獲取單個頁面'''
 try:
 browser.get("https://www.xxxxx.com") 
 input=WebDriverWait(browser,10).until(
 EC.presence_of_element_located((By.CSS_SELECTOR,"#q"))) 
 input.send_keys("男裝") 
 button=WebDriverWait(browser,10).until(
 EC.element_to_be_clickable((By.CSS_SELECTOR,"#J_TSearchForm > div.search-button > button"))) 
 button.click() 
 pages=WebDriverWait(browser,10).until(
 EC.presence_of_element_located((By.CSS_SELECTOR,"#mainsrp-pager > div > div > div > div.total"))) 
 return pages.text
 except TimeoutException:
 return get_one_page() #如果超時,繼續獲取
def main():
 pages=get_one_page()
 pages=int(re.compile("(\d+)").findall(pages)[0]) #采用正則表達式提取文本中的總頁數
 print(pages)
if __name__=='__main__':
 main()
?

關于Selenium的更多內容,可參看官方文檔https://selenium-python.readthedocs.io/waits.html

獲取多個商品界面

采用獲取"到第頁"輸入框方式, 切換到下一頁, 同樣是等待判斷

需要注意的是, 最后要加入判斷: 高亮是否是當前頁

def get_next_page(page):
 try:
 input=WebDriverWait(browser, 10).until( 
 EC.presence_of_element_located((By.CSS_SELECTOR, "#mainsrp-pager > div > div > div > div.form > input"))) # 若輸入框加載成功,則獲取,否則等待
 input.send_keys(page) # 輸入頁碼
 button=WebDriverWait(browser, 10).until( 
 EC.element_to_be_clickable((By.CSS_SELECTOR, "#mainsrp-pager > div > div > div > div.form > span.btn.J_Submit"))) # 若按鈕可點擊,則獲取,否則等待
 button.click() # 點擊按鈕
 WebDriverWait(browser,10).until(
 EC.text_to_be_present_in_element((By.CSS_SELECTOR,"#mainsrp-pager > div > div > div > ul > li.item.active > span"),str(page))) # 判斷高亮是否是當前頁
 except TimeoutException: # 超時, 繼續請求
 return get_next_page(page)
def main():
 pages=get_one_page()
 pages=int(re.compile("(\d+)").findall(pages)[0])
 for page in range(1,pages+1):
 get_next_page(page)
if __name__=='__main__':
 main()

獲取商品信息

首先, 判斷信息是否加載成功, 緊接著獲取源碼并初始化, 進而解析.

需要注意的是, 在"get_one_page"和"get_next_page"中調用之后, 才可執行

def get_info():
 """獲取詳情"""
 WebDriverWait(browser,20).until(EC.presence_of_element_located((
 By.CSS_SELECTOR,"#mainsrp-itemlist .items .item"))) #判斷商品信息是否加載成功
 text=browser.page_source #獲取網頁源碼
 html=pq(text) #初始化網頁源碼
 items=html('#mainsrp-itemlist .items .item').items() #采用items方法會得到生成器
 for item in items: #遍歷每個節點對象
 data=[]
 image=item.find(".pic .img").attr("src") #用find方法查找子孫節點,用attr方法獲取屬性名稱
 price=item.find(".price").text().strip().replace("\n","") #用text方法獲取文本,strip()去掉前后字符串,默認是空格
 deal=item.find(".deal-cnt").text()[:-2]
 title=item.find(".title").text().strip()
 shop=item.find(".shop").text().strip()
 location=item.find(".location").text()
 data.append([shop, location, title, price, deal, image])
 print(data)

保存到MySQL數據庫

def save_to_mysql(data):
 """存儲到數據庫"""
 # 創建數據庫連接對象
 db=pymysql.connect(host="localhost",user="root",password="password",port=3306, db="spiders",charset="utf8")
 # 獲取游標
 cursor=db.cursor()
 #創建數據庫
 cursor.execute("CREATE TABLE IF NOT EXISTS {0}(shop VARCHAR(20),location VARCHAR(10),title VARCHAR(255),price VARCHAR(20),deal VARCHAR(20), image VARCHAR(255))".format("男裝"))
 #SQL語句
 sql="INSERT INTO {0} values(%s,%s,%s,%s,%s,%s)".format("男裝")
 try:
 #傳入參數sql,data
 if cursor.execute(sql,data):
 #插入數據庫
 db.commit()
 print("********已入庫**********")
 except:
 print("#########入庫失敗#########")
 #回滾,相當什么都沒做
 db.rollback()
 #關閉數據庫
 db.close()

完整代碼

在線咨詢

上一篇：從案例中學習JavaScript，酷炫音樂播放器，先
下一篇：@Controller和@RestControlle

您的項目需求

*請認真填寫需求信息，我們會在24小時內與您取得聯系。

整合營銷服務商

JavaScript正則獲取字符串括號內的內容

ttpRunner獲取響應數據&extract提取值到變量

獲取響應數據

您的項目需求