我正在使用 BS4 從足球統計頁面提取信息。我是這樣開始的：from bs4 import BeautifulSoup as bsimport requestsres = requests.get(url)soup = bs(res.content, 'lxml')scripts = soup.find_all('script')scripts = [script for script in scripts]這成功地將所有腳本元素作為列表返回。我需要提取特定的腳本元素具體來說，其開頭如下： <script> var teamsData = JSON.parse('\x7B\x2271\x22\x3A\x7B\x22id\x22\x3A\x2271\x22,\x22title\x22\x3A\x22Aston\x20Villa\x22,\x22history\x22\x3A\x5B\x5D\x7D,\x2272\x22\x3A\x7B\x22id\x22\x3A\x2272\x22...</script>我嘗試了以下代碼的各種迭代，但輸出始終打印為空白：for script in scripts: if 'teamsData' in script.text: print(script)我總是可以簡單地使用“print(scripts[2])”，但我想知道為什么我最初的努力失敗了。
2 回答
縹緲止盈
TA貢獻2041條經驗 獲得超4個贊
顯然，.text腳本標簽始終為空字符串。但是，您可以從以下位置獲取標簽的內容.children
from bs4 import BeautifulSoup
from io import StringIO
html = """
<script>
let a = "Hello";
</script>
"""
b = StringIO(html)
soup = BeautifulSoup(b, 'lxml')
for e in soup.find_all('script'):
print(repr(e.text))
print(repr(''.join(e.children)))
楊__羊羊
TA貢獻1943條經驗 獲得超7個贊
您可以使用以下方式.string訪問<script>字符串：
import re
import json
from bs4 import BeautifulSoup
html_doc = '''<script>
var teamsData = JSON.parse('\x7B\x2271\x22\x3A\x7B\x22id\x22\x3A\x2271\x22,\x22title\x22\x3A\x22Aston\x20Villa\x22,\x22history\x22\x3A\x5B\x5D\x7D,\x2272\x22\x3A\x7B\x22id\x22\x3A\x2272\x22\x7D\x7D');
</script>'''
soup = BeautifulSoup(html_doc, 'html.parser')
script_string = soup.find('script').string
print(script_string)
印刷：
var teamsData = JSON.parse('{"71":{"id":"71","title":"Aston Villa","history":[]},"72":{"id":"72"}}');
要解析JSON數據，可以使用re/ jsonmodules。例如：
data = re.search(r"JSON\.parse\('(.*?)'\);", script_string).group(1)
data = json.loads(data)
for k, v in data.items():
print(k, v)
印刷：
71 {'id': '71', 'title': 'Aston Villa', 'history': []}
72 {'id': '72'}
添加回答
舉報
0/150
提交
取消