我是 Python 新手，我正在嘗試使用 BeautifulSoup 從腳本中定義的變量中提取一些數據。data = soup.find_all('script', type='text/javascript')print(data[0])<script type="text/javascript"> var myvar = { productid: "101", productname: "Abc", };</script>您知道從 myvar 變量中提取“productid”和“productname”的簡單方法嗎？
3 回答
蠱毒傳說
TA貢獻1895條經驗 獲得超3個贊
有兩種方法。容易，而且是錯誤的。或者不那么容易，但正確。
我不會向你推薦簡單的方法。正確的方法是使用 Javascript 解析器。對于現代 Javascript，esprima是一個不錯的選擇。有一個交互式在線演示，它也可以作為Python 模塊使用。
import esprima
# script body as extracted from beautifulsoup
script_text = """
var myvar = {
productid: "101",
productname: "Abc",
};
""";
tokens = esprima.tokenize(script_text)
在這個簡單的腳本中，沒有太多內容。原始令牌列表足以獲得您想要的值。它看起來像這樣：
[
{
"type": "Keyword",
"value": "var"
},
{
"type": "Identifier",
"value": "myvar"
},
{
"type": "Punctuator",
"value": "="
},
{
"type": "Punctuator",
"value": "{"
},
{
"type": "Identifier",
"value": "productid"
},
{
"type": "Punctuator",
"value": ":"
},
{
"type": "String",
"value": "\"101\""
},
{
"type": "Punctuator",
"value": ","
},
{
"type": "Identifier",
"value": "productname"
},
{
"type": "Punctuator",
"value": ":"
},
{
"type": "String",
"value": "\"Abc\""
},
{
"type": "Punctuator",
"value": ","
},
{
"type": "Punctuator",
"value": "}"
},
{
"type": "Punctuator",
"value": ";"
}
]
迭代列表并選擇您需要的值。
token_iterator = iter(tokens)
for token in token_iterator:
if token["type"] == "Identifier" and token["value"] == "productname":
# the token after the next must be the one that holds the associated value
value_token = next(next(token_iterator))
productname = value_token["value"]
對于更復雜的情況，可能需要將腳本解析為樹并遍歷樹。
tree = esprima.parse(script_text)
該樹更復雜（您可以在交互式頁面上查看它），但作為交換，它攜帶了普通標記列表中缺少的所有上下文信息。然后，您將使用訪問者模式將這棵樹步行到特定位置。如果您有興趣，Python 包中有一個如何使用訪問者模式的示例。
慕田峪7331174
TA貢獻1828條經驗 獲得超13個贊
解析
from bs4 import BeautifulSoup
script_data='''
<script type="text/javascript">
var myvar = {
productid: "101",
productname: "Abc",
};
</script>
'''
soup = BeautifulSoup(script_data)
soup.script.string將script標簽內的數據保存為字符串。您可以使用split字符串來獲取位置數據：
soup.script.string.split()
Output:
['var',
'myvar',
'=',
'{',
'productid:',
'"101",',
'productname:',
'"Abc",',
'};']
產品編號：
soup.script.string.split()[5].split('"')[1]
Output:
'101'
產品名稱：
soup.script.string.split()[7].split('"')[1]
Output:
'Abc'
慕斯王
TA貢獻1864條經驗 獲得超2個贊
對于簡單的方法，我將使用 Regex
import re
.....
data = soup.find_all('script', type='text/javascript')
productid = re.search(r'productid:\s*"(.*?)"', data[0].text).group(1)
print(productid)
添加回答
舉報
0/150
提交
取消