推荐学习书目 Learn Python the Hard Way Python Sites PyPI - Python Package Index http://diveintopython.org/toc/index.html Pocoo 值得关注的项目 PyPy Celery Jinja2 Read the Docs gevent pyenv virtualenv Stackless Python Beautiful Soup 结巴中文分词 Green Unicorn Sentry Shovel Pyflakes pytest Python 编程 pep8 Checker Styles PEP 8 Google Python Style Guide Code Style from The Hitchhiker's Guide
这是一个创建于 3890 天前的主题，其中的信息可能已经有所发展或是发生改变。
最近没什么事，重做一下自己的爬虫。于是想加一个表单提取的功能，我目的是能直接传入html他就能解析出表单的结构，就是个类似下面的一个结果：
{
'post_url':'',
'input_field1':'',
'input_field2':'',
'select_field1':'',
...
}
查资料发现如下几个方法：
1. mechanize，ghost.py
优点：方便，ghost还支持js解析
缺点：慢，非标准库，处理方式不符合要求(要重新发起请求)
2. 正则
优点：能符合要求
缺点：错误率高
请问大家是怎么匹配页面中的表单？
 | 1 aec4d 2015-02-23 21:26:54 +08:00 用pyquery 如果你喜欢用jQuery的话 |
 | 2 banbanchs 2015-02-23 21:59:08 +08:00 用解析html的库：pyquery、Beautiful Soup、lxml什么的把<form>找到，解析里面的input标签就好了 |
 | 3 tdifg OP |
 | 5 zhanglp888 2015-02-24 11:21:20 +08:00 先用tidy，将你要抓取的html整理好了，再写正则，或用pyquery 基本上不会太大问题 |
| 6 tdifg OP 恩，之前想麻烦了，现在直接正则出form，然后正则input，最后逐条正则里面的属性，貌似可以达成目标了。哎，到底是没学过html啊。 |
Select Language