如何使用Python获取隐藏输入的值？

Question

如何从HTML页面获取输入值

例如

<input type="hidden" name="captId" value="AqXpRsh3s9QHfxUb6r4b7uOWqMT" ng-model="captId">

我有输入项 [ name="captId" ]，需要获取它的值。

import re , urllib ,  urllib2
a = urllib2.urlopen('http://www.example.com/','').read()

感谢

---

更新 1

我安装了BeautifulSoup并使用它，但是出现了一些错误

代码

 import re , urllib ,  urllib2
 a = urllib2.urlopen('http://www.example.com/','').read()
 soup = BeautifulSoup(a)
 value = soup.find('input', {'name': 'scnt'}).get('value')

错误

"soup = BeautifulSoup(a) NameError: 名称 'BeautifulSoup' 未定义"

- IBRA

---

你可以像获取其他输入一样获取隐藏输入的值。 - Barmar

是的，但我应该使用 re.findall 还是 re.search，以及如何编写正确的模式？ - IBRA

BeautifulSoup应该是你需要的：首先选择表单，然后选择隐藏字段。 - Serge Ballesta

@IBRA 我误解了，我以为你在谈论的是表单提交到的脚本，而不是一个网络爬虫脚本。 - Barmar

@Barmar 是的，我想要发送POST请求到URL并获取输入信息。 - IBRA

Answer 1

使用re模块来解析xml或html通常被认为是不良实践。只有当你负责要解析的页面时才使用它。如果不是这样，那么你的正则表达式可能非常复杂，或者如果有人用几乎任何其他东西替换了<input type="hidden" name=.../>，你的脚本可能会崩溃。 BeautifulSoup是一个HTML解析器，具有以下功能：

• 自动修复小错误（未关闭的标签等）
• 构建DOM树
• 允许您浏览树形结构，搜索特定标签及其特定属性
• 可用于Python 2和3

除非您有充分的理由不这样做，否则应该使用它而不是re进行HTML解析。

例如，假设txt包含整个页面，则查找所有隐藏字段就像这样简单：

from bs4 import BeautifulSoup
soup = BeautifulSoup(txt)
hidden_tags = soup.find_all("input", type="hidden")
for tag in hidden_tags:
    # tag.name is the name and tag.value the value, simple isn't it ?

- Serge Ballesta

---

@IBRA 在引用的网站上有很多这样的内容...但是还是看一下我的编辑吧。 - Serge Ballesta

我使用你的代码片段得到了完整的标签，但是我不确定如何使用它来获取我需要的数据。 - deepak sen

@deepaksen：这是一个相当旧的帖子了。您确定只想发表评论，还是想要提出一个新问题，并以此帖子作为您目前研究的参考？ - Serge Ballesta

当然，我会这样做。 - deepak sen