有没有一种有效的方法来使用正则表达式从 HTML 字符串中提取数据？ [复制]

Posted 2023-03-07

【中文标题】有没有一种有效的方法来使用正则表达式从 HTML 字符串中提取数据？ [复制]

【英文标题】：Is there an efficient way to use regular expressions to extract data from an HTML string? [duplicate]

【发布时间】：2021-03-10 21:21:59

【问题描述】：

我会做这一切都是 node.js 在我的场景中，我有一个 html 字符串，它包含这个字符串：

// there is html code above ^^^
<input type="hidden" name="token" id="token" value="MTYwNjU1NzAwOHRor9RCGkXDyFBLI7HUPCwb-v46P012KayHiFSHTKDdW7CUBvjiKTHoC3lVtRBOBIGwSRA4_ojvfiG3Khnsd54." />
//and html code below vvv

是否有一个正则表达式可以只提取令牌的值？例如：

MTYwNjU1NzAwOHRor9RCGkXDyFBLI7HUPCwb-v46P012KayHiFSHTKDdW7CUBvjiKTHoC3lVtRBOBIGwSRA4_ojvfiG3Khnsd54.

我也研究过 html 解析 npm 模块，没有这样的运气。

【参考方案1】：

你可以通过这个方法来设置这个值：

let inputValue = getElementById(token).value;

【讨论】：

您好，感谢您的评论，但我犯了一个错误，我没有读取本地 html 文件，我正在从一个网站的获取请求中读取 response.body

@djsnoob 如果我理解你的话，你是不是要请求服务器并在值属性中获取带有令牌的 html 标记？但是你为什么不直接得到里面有这个令牌的对象呢？还是我不对？

因为我很确定 get 请求返回一个字符串，因此我要求使用正则表达式 @Danil Sadonov

@djsnoob 但如果你通过服务器的响应得到它，顺便说一下，你会得到它的字符串，你只需得到或“

【参考方案2】：

是的，正则表达式相当简单。

const htmlString = '<input type="hidden" name="token" id="token" value="MTYwNjU1NzAwOHRor9RCGkXDyFBLI7HUPCwb-v46P012KayHiFSHTKDdW7CUBvjiKTHoC3lVtRBOBIGwSRA4_ojvfiG3Khnsd54." />';
const regex = new RegExp("value=\"(.*?)\"");
result = regex.exec(token)[1];

在简单的英语中，正则表达式的工作原理是搜索 html 字符串，直到找到字符 value="，然后它拾取所有下一个字符，直到下一个 "。查看正则表达式本身以更清楚地解释：

regex = "value=\"(.*?)\""

\" 搜索双引号字符。斜杠转义双引号，因此 javascript 不会错误地认为您正在结束字符串。

.*? 周围的括号是匹配组。我们之所以称结果的第一个元素，即result = regex.exec(token)[1]，是为了拉出匹配组

. 匹配所有字符，* 匹配任意数量的字符，? 使其不贪心，因此它停在下一个引号处。

【参考方案3】：

我还研究了 html 解析 npm 模块，没有这样的运气。

您可以使用例如jsdom:

const jsdom = require("jsdom");
const  JSDOM  = jsdom;
const dom = new JSDOM(`<input type="hidden" name="token" id="token" value="MTYwNjU1NzAwOHRor9RCGkXDyFBLI7HUPCwb-v46P012KayHiFSHTKDdW7CUBvjiKTHoC3lVtRBOBIGwSRA4_ojvfiG3Khnsd54." />`);
let elm = dom.window.document.getElementById("token");
if (elm) console.log(elm.value);

输出

MTYwNjU1NzAwOHRor9RCGkXDyFBLI7HUPCwb-v46P012KayHiFSHTKDdW7CUBvjiKTHoC3lVtRBOBIGwSRA4_ojvfiG3Khnsd54.