确定html表中哪一行用机械化操作

Question

我有一个小脚本，它使用mechanize来操作webform。这是表单的屏幕截图（底部没有提交按钮。不用担心。）

代码：

import re
import mechanize

bs = mechanize.Browser()
server = raw_input("IP to retry: ")
bs.open("http://"+server+"/avicapture.html")
assert bs.viewing_html()
bs.select_form(name="avistatus_form")
form = bs.form
bs.find_control("AVI_STATUS_ACTION").items[1].selected=True
bs.find_control("avistatuscheck0").items[0].selected=True
bs.find_control("avistatuscheck1").items[0].selected=True
bs.find_control("avistatuscheck2").items[0].selected=True
bs.find_control("avistatuscheck3").items[0].selected=True
bs.find_control("avistatuscheck4").items[0].selected=True
bs.find_control("avistatuscheck5").items[0].selected=True
print "Sending retry signal."
bs.submit()
print server+" Retried!"

实际上，它将检查所有六个方框并使用下拉选项（AVI_STATUS_ACTION）提交表格为[1]。

如何确定哪一行（与正确的avistatuscheck #control（复选框）相关）是最新的，并且只提交选中该复选框的表单？随着更多文件的传输，它们会累积，我不需要重新发送它们。只是最近的。

我对正则表达有所了解;足以使用urllib2将html页面加载到字符串中，并从当前的“正在进行”中获取百分比数量＆＃39;转移，但我对如何确定与正确控件相对应的最近转移（复选框）有点失落。

Answer 1

源代码以评论形式包含比实际HTML更好格式的数据：

</td>
<!--$FREETEXT|AVI_STATUS_START_TIME0||XXXXXXXXXXXXXXXXXXXXXXXXX$-->
<td>
2014/07/11 12:00:03      
</td>
<!--$FREETEXT|AVI_STATUS_END_TIME0||XXXXXXXXXXXXXXXXXXXXXXXXX$-->
<td>
2014/07/11 14:00:00      
</td>
<!--$FREETEXT|AVI_STATUS_FILE_SIZE0||XXXXXXXXXXXXX$-->
<td>

您可以使用正则表达式来解析它：

import re
import mechanize

bs = mechanize.Browser()
server = raw_input("IP to retry: ")

response = bs.open("http://" + server + "/avicapture.html")
assert bs.viewing_html()
bs.select_form(name="avistatus_form")

matches = re.findall(
    r'(?s)<!--\$FREETEXT\|AVI_STATUS_END_TIME([0-9]+).*?<td>\s*([0-9/]+ [0-9:]+)\s*\n',
    response.read())
latest_id, latest_time = max(matches, key=lambda m: m[1])
form = bs.form
bs.find_control("AVI_STATUS_ACTION").items[1].selected = True
bs.find_control("avistatuscheck" + latest_id).items[0].selected = True

print "Sending retry signal."
bs.submit()
print server+" Retried!"