如何使用Beautiful Soup提取<script>標記中的函數字符串？

Question

在一個給定的.html頁面中，我有一個腳本標籤，如下所示： 如何使用美麗的湯提取「function getData（）」下的「retrun」信息？

<script> 
 
function getData() 
 
{ 
 
\t return "zip,city,state,MedianIncome,MedianIncomeRank,CostOfLivingIndex,CostOfLivingRank\n10452,Bronx,NY,20606,2,147.7,74"; 
 
} 
 

 
function getResultsCount() 
 
{ 
 
\t return "1"; 
 
} 
 

 
</script>

Answer 1

的一種方式，可以說是最簡單的，是使用regular expression到兩個定位元件，並提取所需的字符串：

import re 

from bs4 import BeautifulSoup 

data = """ 
<script> 
function getData() 
{ 
    return "zip,city,state,MedianIncome,MedianIncomeRank,CostOfLivingIndex,CostOfLivingRank\n10452,Bronx,NY,20606,2,147.7,74"; 
} 

function getResultsCount() 
{ 
    return "1"; 
} 

</script> 
""" 

soup = BeautifulSoup(data, "html.parser") 

pattern = re.compile(r'return "(.*?)";$', re.MULTILINE | re.DOTALL) 
script = soup.find("script", text=pattern) 

print(pattern.search(script.text).group(1)) 

打印：

zip,city,state,MedianIncome,MedianIncomeRank,CostOfLivingIndex,CostOfLivingRank 
10452,Bronx,NY,20606,2,147.7,74 

---

或者，您也可以使用JavaScript解析器，如slimit，示例here。