在一個給定的.html頁面，我有一個腳本標籤，像這樣：如何使用美麗的湯<script>標籤提取字符串？
<script>jQuery(window).load(function() {
setTimeout(function(){
jQuery("input[name=Email]").val("[email protected]");
}, 1000);
});</script>
如何使用美麗的湯提取電子郵件地址？
要添加更多一點的@Bob's answer和假設您還需要找到其中可能有其他script標籤的HTML標籤script。
的思想是定義的正則表達式將用於既locating the element with BeautifulSoup並提取email值：
import re
from bs4 import BeautifulSoup
data = """
<body>
<script>jQuery(window).load(function() {
setTimeout(function(){
jQuery("input[name=Email]").val("[email protected]");
}, 1000);
});</script>
</body>
"""
pattern = re.compile(r'\.val\("([^@][email protected][^@]+\.[^@]+)"\);', 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)
在這裏，我們使用的是simple regular expression for the email address，但我們可以走得更遠，並更加嚴格，但我懷疑這將是實際需要的這個問題。
不可能只使用BeautifulSoup，但你可以做到這一點，例如與BS +正則表達式
import re
from bs4 import BeautifulSoup as BS
html = """<script> ... </script>"""
bs = BS(html)
txt = bs.script.get_text()
email = re.match(r'.+val\("(.+?)"\);', txt).group(1)
或像這樣：
...
email = txt.split('.val("')[1].split('");')[0]