使用Python从html标记解析JSON

我使用BeautifulSoup从HTML页面获取以下代码片段。我很难剥离JSON（在FB_数据之后）。我猜我需要使用re.search，但我在正则表达式方面遇到了问题

该片段是：

<script type="text/javascript">
    var FB_DATA = {
        "foo": bar,
        "two": {
          "foo": bar,
        }};
    var FB_PUSH = []; 
    var FB_PULL = []; 
</script>

变量FB_数据={
“福”：酒吧，
“二”：{
“福”：酒吧，
}};
var FB_PUSH=[]；
var FB_PULL=[]；

我假设您的主要问题是在

与新行以外的任何内容匹配时使用

*？

。使用

s

点匹配换行符修改器，您可以非常简单地完成此操作：

(?s)    (?# dot-match-all modifier)
var     (?# match var literally)
\s+     (?# match 1+ whitespace)
FB_DATA (?# match FB_DATA literally)
\s*     (?# match 0+ whitespace)
=       (?# match = literally)
\s*     (?# match 0+ whitespace)
(       (?# start capture group)
 \{     (?# match { literally)
 .*?    (?# lazily match 0+ characters)
 \}     (?# match } literally)
)       (?# end capture group)
;       (?# match ; literally)

---

您的JSON字符串将位于捕获组#1中

---

我假设您的主要问题是在

与新行以外的任何内容匹配时使用

*？

。使用

s

点匹配换行符修改器，您可以非常简单地完成此操作：

(?s)    (?# dot-match-all modifier)
var     (?# match var literally)
\s+     (?# match 1+ whitespace)
FB_DATA (?# match FB_DATA literally)
\s*     (?# match 0+ whitespace)
=       (?# match = literally)
\s*     (?# match 0+ whitespace)
(       (?# start capture group)
 \{     (?# match { literally)
 .*?    (?# lazily match 0+ characters)
 \}     (?# match } literally)
)       (?# end capture group)
;       (?# match ; literally)

---

您的JSON字符串将位于捕获组#1中

从

FB_DATA = (\{[^;]*;)

看看哪种情况是不够的。

从

FB_DATA = (\{[^;]*;)

---

看看在哪种情况下这还不够。

到目前为止，你对正则表达式有什么看法？老实说，我甚至不知道从哪里开始。我讨厌发帖的时候没什么可讲的，但我只是在学习，我对regex不太在行。到目前为止，你对regex有什么看法？老实说，我甚至不知道从哪里开始。我讨厌发帖时没什么可讲的，但我只是在学习，我对正则表达式不太在行。是的，很高兴它有帮助：）是的，很高兴它有帮助：）