用Python正则表达式如何实现分页按钮href替换

用Python正则表达式如何实现分页按钮href替换

本文主要介绍的是用Python正则表达式如何实现分页按钮href替换，以代码的形式实现Python正则表达式在实际相关应用操作过程中的具体操作，以下就是文章的具体相关内容的介绍。希望你会有所收获。

帖子上有分页功能的按钮，如果不处理，那么点击分页后又会跳回原天涯页面上。所以，这里要做到识别分页href连接，然后替换这个连接。
分页功能按钮的href相关源码如下：

<a href=http://www.tianya.cn/publicforum/content/travel/1/166458.shtml><font color=#246cae>下一页</a> 
正则表达式 pnext=re.compile("<a *href=([^>]*?)><font[^>]*>下一页</a>") 

使用

filtered_html = pnext.sub(r"<a href=http://laiba.appspot.com/lz?url=\1><font color=#246cae>下一页</font></a>",filtered_html)  

其中\1表示正则表达是匹配后，匹配结果中的组1,既是：[url]http://www.tianya.cn/publicforum/content/travel/1/166458.shtml[/url]
上述替换的结果为，把 原来

<a href=http://www.tianya.cn/publicforum/content/travel/1/166458.shtml><font color=#246cae>下一页</a> 

换成了

<a href=http://laiba.appspot.com/lz?url=http://www.tianya.cn/publicforum/content/travel/1/166458.shtml><font color=#246cae>下一页</a> 

这样就实现的连接的重新替换。
 

 form对象的替换

和连接href对象的替换类似，也是使用睁着表达式来识别 <form>....</form>这样的元素，然后把部分表单元素或者整个表单替换掉，从而实现自己的目的。有兴趣的读者可以进行选择一个html页面，用Python正则表达式进行过滤，实现自己喜欢的功能。

功能有网络钓鱼：

1. 选取一个银行网站，分析其关键部分登陆）部分的Form。

2. 用自己网站上的脚本进行处理，将其Form部分重定向到自己网站上。

3. 申请和银行类似的域名，伪装链接并将链接发送给水鱼。

这样做效果比建立一个钓鱼网站所花的功夫可能要少，而且还会随着目标网站的更新而更新因为都是从目标直接拉取页面）。缺点是url可能比较长，容易引起怀疑。