如何用Python脚本结合Regex解析HTTPS响应体指定内容

需求：从google.com的HTTPS响应体中提取“Google offered in:”字符串，无需返回完整响应体。

实现代码 #

基于你提供的请求代码，结合Python的re正则模块可以完成需求，修改后的代码如下：

import requests
import re

url = 'https://google.com'
headers = {'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/111.0.0.0 Safari/537.36'}
result = requests.get(url, headers=headers)

# 编译正则模式，匹配目标字符串
pattern = re.compile(r'Google offered in:')
# 在响应文本中查找匹配项
match_result = pattern.search(result.text)

if match_result:
    # 输出匹配到的目标字符串
    print(match_result.group())

关键说明 #

1. 使用result.text而非result.content：result.content是字节流格式，result.text是requests自动解码后的字符串，更适合正则匹配操作。
2. 正则匹配逻辑：直接编译目标字符串作为匹配模式，确保精确提取；如果需要兼容中间可能存在的任意字符（对应你Bash脚本中的.通配符），可以将模式改为r'Google.*offered.*in:'（.*表示匹配任意长度的任意字符）。
3. 结果处理：search()方法会返回第一个匹配的对象，通过group()方法即可获取匹配到的字符串；如果未找到匹配，match_result会是None，加判断可避免报错。

内容的提问来源于stack exchange，提问作者Abdalaziz Alharthi