Salut,

après pas mal de recherches je ne trouve aucun parser html qui me convient.
La doc de la classe HtmlParser, je ne la comprends que trop peu, les expressions régulières je les laisse en stand-by car c'est un peu chiant, et beautifulSoup n'est pas compatible avec Python 3.2
En gros je cherche à récupérer des valeurs d'une page web:

<input type="{0}" name="{1}" value="{2}">

En gros je voudrais récupérer toutes les valeurs 0, 1 et 2 des input d'un <form>.


Merci

Avec les re, c'est pas chiant, tiens en 3 minutes

>>> chaine = """<input type="{0}" name="{1}" value="{2}">"""
>>> import re
>>> pattern = "{\d}"
>>> num = re.findall(pattern, chaine)
>>> print(num)
['{0}', '{1}', '{2}']

On peut utiliser beautifulSoup avec la version 3 python

Merci, mais beautifulSoup je n'ai pas réussi à l'installer, toujours des erreurs au moment du build/install.
Les valeurs {0} {1} et {2} étaient juste des exemples, comment adapter le script pour obtenir une liste des noms/valeurs de tout les inputs ?

Tu as bien utilisé la version 3.1?

Edit : Sinon tu peux utiliser html5lib, elle est conseillée sur le site beautifulSoup, si tu as des problèmes avec.

Non j'utilise Python 3.2 mais le 3.1 est installé également.

Je parle de la version 3.1 de BeautifulSoup

Pour les re, cherche un peu toi même et propose un code

Solution possible avec les re, mais c'est pas ma spécialité, il faut aller fouiner dans la doc.

>>> pattern = "(\w+=\"{\d}\")"
>>> num = re.findall(pattern, chaine)
>>> print(num)
['type="{0}"', 'name="{1}"', 'value="{2}"']
>>> print('\n'.join(num))
type="{0}"
name="{1}"
value="{2}"

Merci, je vais essayer de comprendre le code.

Edit: La regex ne fonctionne pas pour mes valeurs actuelles. J'ai essayée de l'adaptée mais sans succès :

chaine = """<input type="hidden" name="test" value="valeurtest"/>"""
pattern = "(\w+=\"\w\")"

Il faudrait (au minimum car j'aurai tendance à remplacer le \w par [^"], sans oublier que pour les régex c'est en général plus pratique de préfixer les chaînes avec r pour éviter les problèmes avec les antislash) rajouter un + (ou un *) après le deuxième \w car là tu ne matches qu'un caractère

Citation

Edit: La regex ne fonctionne pas pour mes valeurs actuelles. J'ai essayée de l'adaptée mais sans succès :

pattern = "(\w+=\"\w+\")"

Salut, j'ai trouvé une solution avec lxml

import lxml.html
chaine = '''
<form action="" method="">
<input type="hidden" name="lol" value="test">
</form>
'''
h = lxml.html.fromstring(page);
for cle, i in h.forms[0].values():
    print(cle, i)