我一直在我需要獲取 javascript 的網站上進行網絡抓取，以便我可以提取名稱、創建日期和一些隨機生成的代碼等數據，如下所示...<script type="text/javascript">是否有一種有效/任何方式從 html 網頁中的腳本對象函數獲取文本/屬性。我能夠使用 BeautifulSoup 找到腳本部分，其中嵌入的功能如下：<script type="text/javascript">//COMMENT// Some data already here$(document).ready(function() { name.init("<website Link>") lang.init("en", "GB") data.init("hello", "", "AT3K21SDV", "YIERE34ITEW832WCNG3VMASJKHO345JKRELRK5", "")});</script>具體來說，我需要獲取$(document).ready(function()將包含AT3K21SDV和 的部分YIERE34ITEW832WCNG3VMASJKHO345JKRELRK5。我一直在絞盡腦汁試圖像這樣使用索引來獲取它；`soup[3:40] 但不起作用
1 回答
繁星淼淼
TA貢獻1775條經驗 獲得超11個贊
beautifulsoup不解析JavaScript，所以你需要使用其他工具。例如re提取信息：
import re
from ast import literal_eval
txt = '''<script type="text/javascript">
//COMMENT// Some data already here
$(document).ready(function() {
name.init("<website Link>")
lang.init("en", "GB")
data.init("hello", "", "AT3K21SDV", "YIERE34ITEW832WCNG3VMASJKHO345JKRELRK5", "")
});
</script>'''
data = re.search(r'data\.init(\(.*?\))', txt).group(1)
data = literal_eval(data)
print(data[2], data[3])
印刷：
AT3K21SDV YIERE34ITEW832WCNG3VMASJKHO345JKRELRK5
編輯：如果里面data.init(...)是換行符，你必須flags=re.DOTALL設置re.search()：
import re
from ast import literal_eval
txt = '''<script type="text/javascript">
//COMMENT// Some data already here
$(document).ready(function() {
ab.info.init("sv", "pp", "f", "NONE",
"rw", "3r7u6565667",
"3435345")
});
</script>'''
data = re.search(r'info\.init(\(.*?\))', txt, flags=re.DOTALL).group(1)
data = literal_eval(data)
print(data)
印刷：
('sv', 'pp', 'f', 'NONE', 'rw', '3r7u6565667', '3435345')
添加回答
舉報
0/150
提交
取消