Javascript变量与html代码regex电子邮件匹配

此python脚本无法输出电子邮件地址example@email.com对于这个案子

这是我以前的帖子

如果有人能帮我就好了

---

谢谢你

你的问题是你在文本中找不到mailto，因为前半封邮件与后半封邮件不在同一行。要正确解决您的问题，只需在本程序结束时知道ptr的值

我知道这是一种不好的方法，但如果您确信结构始终是这样的：

soup = """
<script LANGUAGE="JavaScript"> function ...() 
{ var ptr; 
ptr = ""; 
ptr += "..."; 
ptr += "..."; 
ptr += "...";
document.all.something.innerHTML = ptr; 
}
</script> 
"""

现在您可以使用Beautifulsoup或re解析ptr。如果您不知道它的结构，您可以使用：

soup = BeautifulSoup(soup)

for script in soup.find_all('script'):
    #This matches everything between "{ var ptr;" 
    #and "document"
    regex = "{ var ptr;(.*)document"
    code = re.search(regex, script.text, flags=re.DOTALL).groups()[0]
    #This is actually dangerous because anything 
    #in the code will be executed here, but if
    #it's like your example everything will 
    #work fine and you can access the value of ptr
    exec(code)
    print ptr

    mail = re.search("<a href=mailto:(.*?)>", ptr).groups()[0]

---

我认为这是一个相当有趣的方法

不要解析这个javascript代码，而是执行它

获取ptr值，通过BeautifulSoup加载，并从a标记获取href属性值。示例使用：

    mail = re.search("<a href=mailto:(.*?)>", ptr).groups()[0]

from bs4 import BeautifulSoup
from pyv8 import PyV8

data = """
<script LANGUAGE="JavaScript">
function something()
{
var ptr;
ptr = "";
ptr += "<table><td class=france></td></table>";
ptr += "<table><td class=france><a href=mail";
ptr += "to:example@email.com>email</a></td></table>";
document.all.something.innerHTML = ptr;
}
</script>
"""

soup = BeautifulSoup(data)

# prepare the function to return a value and add a function call
js_code = soup.script.text.strip().replace('document.all.something.innerHTML = ptr;', 'return ptr;') + "; something()"

ctxt = PyV8.JSContext()
ctxt.enter()

soup = BeautifulSoup(ctxt.eval(str(js_code)))
print soup.a['href'].split('mailto:')[1]

example@email.com