关于XML和HTML的提取值的请教

HH106

1. #!/usr/bin/env python
   
2. from BeautifulSoup import BeautifulSoup
   
3. text=open("txt").read()
   
4. soup=BeautifulSoup(''.join(text))
   
5. print soup('postfield',{"name":"csrfToken"})[0]['value']

复制代码

qingyuan0o0

回复 5# LikeLx


    不会的，我用有修改过，就是有个问题

1. <img src="/im/images/userstatus/pc.gif" alt="."></img><a href="/im/chat/toinputMsg.action?touserid=123451047&amp;type=all">...</a>&nbsp;<a href="/im/chat/toinputMsg.action?touserid=123451047&amp;type=all">和TA聊</a>&nbsp;<anchor>打招呼<go method="post" href="/im/chat/greet.action"><postfield name="toUsers" value="=xxxxxxxxxxxxxxxxxDyqZKOm8eehDaepxxxxxxxxxxxxxxxN"/></go></anchor><br/>

复制代码

我在获取touserid的值的时候会出现2个我要怎么只取一个呢？，代码判定是其中一个<a href=有</img>
但是我touserid=`grep -Eo  '</img><a href="/im/chat/toinputMsg.action(.*?)' ${TempDir}/searchOtherInfoList.action | grep -Eo  'touserid=\w+'`
这么取值还是出现了2个
touserid=123451047 touserid=123451047
求助

qingyuan0o0

回复 11# HH106


    我想说的是路由器系统太小，没有安装python

reb00t

回复 12# qingyuan0o0


    grep -Eo  '</img><a href="/im/chat/toinputMsg.action(.*?)' c.txt |sed  -r 's/.*touserid=([0-9]+).*/\1/'

Shell_HAT

1. sed -r '/touserid/!d; s/.*touserid=([0-9]+).*/\1/' urfile

复制代码

reb00t

回复 15# Shell_HAT


    拜大神

qingyuan0o0

按照大神在第一页说的

1. <a href="/im/user/userinfoByuserid.action?touserid=123451047&amp;t=1380172127438">缘</a>[在线]&gt;<a href="/im/index/recentcontacts.action?touserid=123451047">换人</a><br/> [新]测试1[13:08]<br/> [新]测试2[13:08]<br/><input name="msg1380172127371" title="" value="" type="text" emptyok="true" maxlength="1000"/><br/><anchor>发送消息 <go method="post" href="/im/chat/sendMsg.action?touserid=123451047" accept-charset="utf-8"><postfield name="backUrl" value=""/><postfield name="touchTitle" value=""/><postfield name="touchTextLength" value=""/><postfield name="msg" value="$(msg1380172127371)"/><postfield name="csrfToken" value="xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"/></go></anchor><br/> 添加&gt;<anchor>表情<go method="post" href="/im/chat/insertPic.action?touserid=123451047" accept-charset="utf-8"><postfield name="backUrl" value=""/><postfield name="touchTitle" value=""/><postfield name="touchTextLength" value=""/><postfield name="msg" value="$(msg1380172127371)"/></go></anchor>.<anchor>动作<go method="post" href="/im/chat/insertTouch.action?touserid=123451047" accept-charset="utf-8"><postfield name="backUrl" value=""/><postfield name="msg" value="$(msg1380172127371)"/></go></anchor>.<anchor>招呼<go method="post" href="/im/chat/sayHelloToFriend.action?touserid=123451047&amp;backUrl=" accept-charset="utf-8"></go></anchor><br/> ------------<br/> [13:06] 缘:测试<anchor>转<go method="post" href="/im/sayHello/sayHelloChooseFriendsByAll.action"><postfield name="type" value="all"/><postfield name="sayHelloText" value="测试"/><postfield name="fromSelect" value="fromSelectAll"/><postfield name="selectType" value="all"/></go></anchor><br/> [12:52] 我:hh<anchor>转<go method="post" href="/im/sayHello/sayHelloChooseFriendsByAll.action"><postfield name="type" value="all"/><postfield name="sayHelloText" value="hh"/><postfield name="fromSelect" value="fromSelectAll"/><postfield name="selectType" value="all"/></go></anchor><br/> (共1页)

复制代码

页面接收到消息会有提示一个[新]和后面的[13:08]时间，再一次刷新，就会变成下面的[13:06]对方用户名:内容到下面来了<anchor>转

而用'/新/!d 就变成包含新的行不删除，但是在wget下来后，所有内容就只是在第一行，并没有换行我应该怎么，一字不漏的把它记录下来，然后15秒后再刷新？

提取类似的这3部分，一个是缘，然后是按照时间先后顺序[13:08]排序内容测试1
[13:08] 缘:测试1
[13:09] 缘:测试2
每次内容变动后就按照时间递增

更新到第一页去了

Shell_HAT

回复 17# qingyuan0o0


    以这段数据为例，你希望得到的结果是什么？

qingyuan0o0

回复 18# Shell_HAT


    我希望得到的结果是每次刷新后有[新]测试1[13:08] 然后提取出来值（测试1）能保存到log文件中持续增长
info=`sed -r '/新/!d; s/.*[新]" :"([^"]+)".*/\1/' urfile`

echo info >> log
log：

[13:08] 测试1
[13:09] 测试2
...
..
.
总之就类似由下而上这样提取

Shell_HAT

回复 19# qingyuan0o0

1. sed 's/\[新\]/\n&/g' urfile | sed '/\[新\]/!d; s/.*新.\([^[]\+\)\(...:...\).*/\2 \1/g'

复制代码