工作中需要获取html网页的部分信息，而通过掌握html网页结构来获取某元素的信息是有一定难度的，只能另辟蹊径来解决。
通过查看html网页，需要获取的关键信息是一个表格的某一列，按 F12 查看，关键信息存储在一个多层的 list 中，其存储样式遵循一定的规律，这不就是正则擅长的工作吗？哈哈哈，瞬间有了方向。
代码这种东西，一不用就会忘记，还好我有记录，再翻开之前写的文章来学习下正则：#Python正则从入门到实践。
对比html网页和F12信息，可以看到关键信息 application_1642534673102_0995 ，此文本包含了 字母、数字和 _ ，可以使用 `` 进行匹配，而其全部包裹在 > </a> 中间，可以将pattern 扩充为 >(w )</a>，实际测试时发现把很多无关的内容都匹配出来了，包括 >ApplicationMaster</a> 中的 ApplicationMaster ，仔细查看F12信息发现：> </a> 是html中很常见的标签，所以把pattern修改为 >(application_w )</a> 实现精准匹配。
按照这个思路，监控脚本就上线了，周例会讨论时，有人提出，关注 Apache Flink 类型的任务就可以了，不需要获取全部的 application id。这带来了新的挑战，需要再加一次过滤，也就是增加一次正则匹配。
查看F12返回信息可以发现，有关 Apache Flink 的描述信息就在 application id 的后面，可以先匹配 application id Apache Flink 的分段报文（匹配的同时实现过滤），再去匹配 application id。
有了第一次的尝试，第二次就变得水到渠成。
代码语言：javascript复制regex1 = re.compile(">(application_. Flink)")
appList1 = regex1.findall(result)
#由于 re.findall 的入参是str，而出参是list，所以这里有list到str的转换
appList2 = "n".join(appList1)
#获取 application id list
regex2 = re.compile("(w )</a>")
appList3 = regex2.findall(appList2)
至此，问题完美解决。
