使用Python使用BeautifulSoup獲取JS var var值在HTML中使用Python

Question

我試圖從使用BeautifulSoup的HTML源代碼中獲取JavaScript var值。

比如我有：

<script> 
[other code] 
var my = 'hello'; 
var name = 'hi'; 
var is = 'halo'; 
[other code] 
</script> 

我想要的東西，以 「我」 在Python

返回var值我怎樣才能做到這一點？

Answer 1

最簡單的方法是通過BeautifulSoup使用正則表達式模式到兩個定位元件，並提取所需的子串：

import re 

from bs4 import BeautifulSoup 

data = """ 
<script> 
[other code] 
var my = 'hello'; 
var name = 'hi'; 
var is = 'halo'; 
[other code] 
</script> 
""" 

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

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

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

hello打印。

Answer 2

另一個想法是使用JavaScript分析器和定位變量聲明節點，檢查標識符爲期望的值，並且提取初始化。例如使用slimit parser：

from bs4 import BeautifulSoup 
from slimit import ast 
from slimit.parser import Parser 
from slimit.visitors import nodevisitor 


data = """ 
<script> 
var my = 'hello'; 
var name = 'hi'; 
var is = 'halo'; 
</script> 
""" 

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

script = soup.find("script", text=lambda text: text and "var my" in text) 

# parse js 
parser = Parser() 
tree = parser.parse(script.text) 
for node in nodevisitor.visit(tree): 
    if isinstance(node, ast.VarDecl) and node.identifier.value == 'my': 
     print(node.initializer.value) 

hello打印。