Javascript 使用Python从html中的脚本对象函数获取文本/属性

我一直在一个网站上做网页抓取，在那里我需要获取javascript，这样我就可以提取数据，如名称、创建日期和一些随机生成的代码，如下所示

是否有一种有效/任何方法可以从html网页的

中的脚本对象函数中获取文本/属性

我能够使用BeautifulSoup找到脚本部分，其中嵌入的函数如下所示：

<script type="text/javascript">

//COMMENT// Some data already here

$(document).ready(function() {
    name.init("<website Link>")
    lang.init("en", "GB")
    data.init("hello", "", "AT3K21SDV", "YIERE34ITEW832WCNG3VMASJKHO345JKRELRK5", "")
});
</script>

//注释//此处已有一些数据
$（文档）.ready（函数（）{
name.init（“”）
lang.init（“en”、“GB”）
init（“你好”，“AT3K21SDV”，“YIERE34ITEW832WCNG3VMASJKHO345JKRELRK5”，“IIERE34ITEW832WCNG3VMASJKHO345JKRELRK5”）
});

具体来说，我需要获得

$（document）.ready（function（）

部分，其中包括

AT3K21SDV

和

yiere34itew832wcng3vmasjkho345jkrerk5

---

我一直在绞尽脑汁，试图用这样的索引来获取它；`soup[3:40]但不起作用

beautifulsoup

不解析JavaScript，所以你需要使用其他工具。例如

re

来提取信息：

import re
from ast import literal_eval


txt = '''<script type="text/javascript">

//COMMENT// Some data already here

$(document).ready(function() {
    name.init("<website Link>")
    lang.init("en", "GB")
    data.init("hello", "", "AT3K21SDV", "YIERE34ITEW832WCNG3VMASJKHO345JKRELRK5", "")
});
</script>'''

data = re.search(r'data\.init(\(.*?\))', txt).group(1)
data = literal_eval(data)

print(data[2], data[3])

---

编辑：如果内部

data.init（…）

是换行符，则必须在

re.search（）中设置
flags=re.DOTALL
：

beautifulsoup
不解析JavaScript，因此需要使用其他工具。例如
re
提取信息：

import re
from ast import literal_eval


txt = '''<script type="text/javascript">

//COMMENT// Some data already here

$(document).ready(function() {
    name.init("<website Link>")
    lang.init("en", "GB")
    data.init("hello", "", "AT3K21SDV", "YIERE34ITEW832WCNG3VMASJKHO345JKRELRK5", "")
});
</script>'''

data = re.search(r'data\.init(\(.*?\))', txt).group(1)
data = literal_eval(data)

print(data[2], data[3])


编辑：如果内部
data.init（…）
是换行符，则必须在
re.search（）中设置
flags=re.DOTALL
：

我在
data=re.search（r'data\.init（\（.*？））），txt）行中得到了
AttributeError:'NoneType'对象没有属性'group'
。group（1）
因为我已经使用BeautifulSoup获得了javascript部分，所以我做了
txt=str（javaScriptData）
其中
javaScriptData
包含sectiom@Legion如果出现此错误，则变量
txt
不包含字符串
data.init（…）
。您需要检查这种可能性。@Andej Kesely如果字符串更长；
mywebsite.data.init（…）
，然后我包含的搜索是
re.search（r'mywebsite\.data\.init（\（.*？）），txt）。组（1）
哪一个应该是正确的..不确定，但可能是因为我在前面的步骤中使用了
BeautifulSoup
。@Legion是的，你可以这样做。有一个网站Regex101，你可以在那里尝试你的正则表达式：把字符串和正则表达式放在那里，看看它是否有效。@Andej Kesely这与缩进格式有关（如图所示，它将其视为一个换行符。有没有办法自动重新格式化代码？我得到了
AttributeError:'NoneType'对象在
data=re.search（r'data\.init（\（.*？））），txt.group（1）
行中没有属性“group”
，因为我已经使用BeautifulSoup获得了javascript部分，所以我得到了
txt=str。）（javaScriptData）
其中
javaScriptData
包含sectiom@Legion如果出现此错误，则变量
txt
不包含字符串
data.init（…）
。您需要检查这种可能性。@Andej Kesely如果字符串更长；
mywebsite.data.init（…）
，然后我包含的搜索是
re.search（r'mywebsite\.data\.init（\（.*？）），txt）。组（1）
哪一个应该是正确的..不确定，但可能是因为我在前面的步骤中使用了
BeautifulSoup
。@Legion是的，你可以这样做。有一个网站Regex101，你可以在那里尝试你的正则表达式：把字符串和正则表达式放在那里，看看它是否有效。@Andej Kesely这与缩进格式有关（它将其视为此处所示的换行符。是否有方法自动重新格式化代码？
import re
from ast import literal_eval


txt = '''<script type="text/javascript">

//COMMENT// Some data already here

$(document).ready(function() {
    ab.info.init("sv", "pp", "f", "NONE",
        "rw", "3r7u6565667",
        "3435345")
});
</script>'''

data = re.search(r'info\.init(\(.*?\))', txt, flags=re.DOTALL).group(1)
data = literal_eval(data)

print(data)

('sv', 'pp', 'f', 'NONE', 'rw', '3r7u6565667', '3435345')