python3提取html标签内容

瞎搞的原因

测试过程中使用BurpSuite的Intruder模块进行攻击后，由于测试的payload较多，并且Response返回值通常包含了HTTP响应头以及响应主体，如果需要手动从成百上千个文件中提取出想要的数据，会比较麻烦，所以就自己写了一个脚本，用于获取Response中指定的文本内容。

样例

为了提取Response中的学号，姓名等数据，所以才写了这个小脚本。一边百度一边写的。

代码

python3

# * coding:utf-8 *

import re

import os

def output(name,id,idCard):

    '''用于接受想要提取的值并进行输出'''

    for i in name:

        '''获取姓名'''

        pass

    for j in id:

        '''获取学号'''

        pass

    for k in idCard:

        '''获取身份证'''

        pass

    result = i+"\t\t\t\t"+j+"\t\t\t\t"+k+"\n"

    print(result)

    '''将读取的结果写入到指定的文件之中'''

    writeFile = open("D:\\test.txt","a+")	//将结果写入的文件路径

    writeFile.write(result)

    

filePath = "E:\\Test"		//你的路径

os.chdir(filePath)

fileName = os.listdir()

print("姓名\t\t\t\t学号\t\t\t\t身份证")

for getFile in fileName:

    '''获取目录下所有文件的名字，后续逐个打开提取数值'''

    with open(getFile,'r') as strf:

        str = strf.read()

    getName = r'(?<=<span id="Name">).*?(?=</span>)'		//将<span id="Name">替换成要获取数值的标签，后面的也是一样，照葫芦画瓢完成。

    getId = r'(?<=<span id="StudentId">).*?(?=</span>)'

    getIdCard = r'(?<=<input name="Card" type="text" value=").*?(?=" maxlength="20" id="Card" />)'

    id = re.findall(getId,str)

    name = re.findall(getName,str)

    idCard = re.findall(getIdCard,str)

    if (id,name,idCard) != "":

        '''如果读取的值不为空，则调用函数对内容进行输出'''

        try:

            output(name,id,idCard)

            writeFile.close()

        except:

            '''如果Response中的想要的值为空，则跳过处理'''

            pass

结果

从2001个文件中提取出了自己想要的内容。

有些不足，但是还是能用，才开始学没多久，也有很多需要改进的地方。