如何使用Beautiful Soup在<script>标签中提取字符串？

Question

如何使用Beautiful Soup在<script>标签中提取字符串？

dun*_*ian 7 python beautifulsoup web-scraping

在给定的.html页面中,我有一个脚本标记,如下所示:

     <script>jQuery(window).load(function () {
  setTimeout(function(){
    jQuery("input[name=Email]").val("name@email.com");
  }, 1000);
});</script>

Run Code Online (Sandbox Code Playgroud)

如何使用Beautiful Soup提取电子邮件地址？

Answer 1

plo*_*man 13

我遇到了类似的问题，问题似乎是调用script_tag.text返回一个空字符串。相反，您必须调用script_tag.string. 也许这在某些版本的 BeautifulSoup 中发生了变化？

无论如何，@alecxe 的回答对我不起作用，所以我修改了他们的解决方案：

import re

from bs4 import BeautifulSoup

data = """
<body>
    <script>jQuery(window).load(function () {
      setTimeout(function(){
        jQuery("input[name=Email]").val("name@email.com");
      }, 1000);
    });</script>
</body>
"""
soup = BeautifulSoup(data, "html.parser")

script_tag = soup.find("script")
if script_tag:
  # contains all of the script tag, e.g. "jQuery(window)..."
  script_tag_contents = script_tag.string

  # from there you can search the string using a regex, etc.
  email = re.search(r'\.+val\("(.+)"\);', script_tag_contents).group(1)
  print(email)

Run Code Online (Sandbox Code Playgroud)

这打印name@email.com.

Answer 2

ale*_*cxe 11

要在@ Bob的答案中添加更多内容,并假设您还需要script在HTML中找到可能包含其他script标记的标记.

我们的想法是定义一个正则表达式,用于定位元素BeautifulSoup和提取email值:

import re

from bs4 import BeautifulSoup


data = """
<body>
    <script>jQuery(window).load(function () {
      setTimeout(function(){
        jQuery("input[name=Email]").val("name@email.com");
      }, 1000);
    });</script>
</body>
"""
pattern = re.compile(r'\.val\("([^@]+@[^@]+\.[^@]+)"\);', re.MULTILINE | re.DOTALL)
soup = BeautifulSoup(data, "html.parser")

script = soup.find("script", text=pattern)
if script:
    match = pattern.search(script.text)
    if match:
        email = match.group(1)
        print(email)

Run Code Online (Sandbox Code Playgroud)

印刷品:name@email.com.

这里我们使用一个简单的正则表达式来表示电子邮件地址,但我们可以更进一步,更严格地对待它,但我怀疑这对于这个问题几乎是必要的.

归档时间：	9 年，1 月前
查看次数：	14438 次
最近记录：	9 年，1 月前