如何从Tomcat的HTML响应中高效提取CSRF Nonce和JSESSIONID？

方法一：正则表达式（最快最直接） #

针对你提供的响应片段，这两个参数的格式非常固定，用正则匹配是最简单高效的方式——不需要处理整个HTML结构，直接定位关键字提取值即可：

• 提取JSESSIONID的正则：jsessionid=([0-9A-F]+)
• 提取CSRF Nonce的正则：org.apache.catalina.filters.CSRF_NONCE=([0-9A-F]+)

用Python举个简单实现例子：

import re

response_html = '<td class="row-right"><a href="/manager/status;jsessionid=34204725C78AB44888F4C107BFF0D782?org.apache.catalina.filters.CSRF_NONCE=FB57DCEE21FCFEA380C05F34759E666D">Server Status</a></td>'

# 提取JSESSIONID
jsessionid_match = re.search(r'jsessionid=([0-9A-F]+)', response_html)
jsessionid = jsessionid_match.group(1) if jsessionid_match else None

# 提取CSRF Nonce
nonce_match = re.search(r'org.apache.catalina.filters.CSRF_NONCE=([0-9A-F]+)', response_html)
csrf_nonce = nonce_match.group(1) if nonce_match else None

print(f"JSESSIONID: {jsessionid}")
print(f"CSRF Nonce: {csrf_nonce}")

方法二：HTML解析库（更健壮） #

如果担心后续Tomcat页面结构变化导致正则失效，可以用HTML解析库（比如Python的BeautifulSoup）来定位元素后提取参数，稳定性更强：

1. 解析整个HTML响应，找到包含目标链接的<a>标签（比如文本为"Server Status"的标签）
2. 提取该标签的href属性值
3. 拆分href里的路径和参数，分别取出JSESSIONID和Nonce

Python示例代码：

from bs4 import BeautifulSoup
from urllib.parse import urlparse, parse_qs

response_html = '<td class="row-right"><a href="/manager/status;jsessionid=34204725C78AB44888F4C107BFF0D782?org.apache.catalina.filters.CSRF_NONCE=FB57DCEE21FCFEA380C05F34759E666D">Server Status</a></td>'

soup = BeautifulSoup(response_html, 'html.parser')
# 定位目标链接
status_link = soup.find('a', string='Server Status')
if status_link:
    href = status_link['href']
    # 拆分JSESSIONID
    jsessionid = href.split(';')[1].split('=')[1]
    # 拆分查询参数中的Nonce
    parsed_url = urlparse(href)
    query_params = parse_qs(parsed_url.query)
    csrf_nonce = query_params.get('org.apache.catalina.filters.CSRF_NONCE', [None])[0]
    
    print(f"JSESSIONID: {jsessionid}")
    print(f"CSRF Nonce: {csrf_nonce}")

两种方法各有侧重：正则适合当前固定格式的场景，编写速度快；HTML解析库适合长期维护，能应对页面结构的小变动。

内容的提问来源于stack exchange，提问作者GARcher