Python 使用正则表达式从html文档中提取java脚本

我正在尝试使用正则表达式从

google.com

中提取java脚本

节目

import urllib
import re
gdoc = urllib.urlopen('http://google.com').read()
scriptlis = re.findall(r'<script>(.*?)</script>', gdoc)
print scriptlis

---

有人能告诉我如何仅使用正则表达式从html文档中提取java脚本吗

scriptlis = re.findall(r'<script\s*([^>]*)\s*>(.*?)</script', gdoc, re.I|re.S)

---

scriptlis=re.findall（r']*）\s*>（.*）我认为问题在于
和
之间的文本有几行，因此您可以尝试以下内容：

rg = re.compile('<script>(.*)</script>', re.DOTALL)
result = re.findall(rg, gdoc)

rg=re.compile（'（.*），re.DOTALL）
结果=re.findall（rg，gdoc）
这项工作：

import urllib
import re
gdoc = urllib.urlopen('http://google.com').read()
scriptlis = re.findall('(?si)<script>(.*?)</script>', gdoc)
print scriptlis

导入urllib
进口稀土
gdoc=urllib.urlopen（'http://google.com）。读（）
scriptlis=re.findall（'（？si）（.*？），gdoc）
打印脚本

这里的键是
（？si）
。“s”设置“dotall”标志（与“
re.dotall
”相同），使正则表达式与换行符匹配。这实际上是你问题的根源。google.com上的脚本跨越多行，因此正则表达式无法匹配它们，除非您告诉它在
（.*）
中包含换行符

“i”设置“ignorcase”标志（与
re.IGNORECASE
相同），这允许它匹配任何可以是JavaScript的内容。现在，这并不是完全必要的，因为谷歌代码非常好。但是，如果您的代码很差，并且与
…
类似，那么您需要使用此标志。
如果您对第三方库没有问题，请结合使用，这是一个很好的组合：

import requests
from bs4 import BeautifulSoup as bs
r = requests.get('http://www.google.com')
p = bs(r.content)
p.find_all('script')

@rid是的，我在问为什么它不工作你的意思是
re.findall（r']*）>（.*？），gdoc）
。不工作
scriptlis=re.findall（r']*）>（.*？），gdoc）
输出：
[（''，）]
我不知道哪一个是正确的，但当我将你的答案与@iCodez答案进行比较时，它并不相等\s*>（.*）ofc不是，因为我的脚本也将获取属性，而不仅仅是内联脚本。您希望它非reedy
re.compile（'（.*），re.DOTALL）
+1工作。。我不知道哪一个是正确的，但是当我把你的答案与@Antti Haapala答案进行比较时，它并不等于
re.findall（'（？si）（.*），gdoc）==re.findall（r']*）\s*>（*？）@woofmeow-好了。@iCodez我同时用谷歌搜索了它。。。但是谢谢。。今天学到了一些东西（新的lol:）那是因为他也得到了属性。我不认为你想要这个基于你给出的示例代码。如果您这样做，这应该可以正常工作。
（？si）（.*）
。我有一些问题。这就是为什么我只想使用正则表达式。
rg = re.compile('<script>(.*)</script>', re.DOTALL)
result = re.findall(rg, gdoc)

import urllib
import re
gdoc = urllib.urlopen('http://google.com').read()
scriptlis = re.findall('(?si)<script>(.*?)</script>', gdoc)
print scriptlis

import requests
from bs4 import BeautifulSoup as bs
r = requests.get('http://www.google.com')
p = bs(r.content)
p.find_all('script')