Python中脚本标记中的Web抓取

我使用

BeautifulSoup

获得了脚本标记。然后我变成了

json

对象。我想要的信息在

数据['x']

中，但它被卡在b标签之间。 例如：

<b>infoiwant</b><br>NA<br>infoinwant</br>columniwant: 123','<b>infoiwant</b><br>NA<br>columniwant: 123'</br>columniwant: 123

infoiwant
NA
infoinwant
columniwant:123'，'infoiwant
NA
columniwant:123'
columniwant:123'

---

在转换为json之前，我如何从这些b元素中获取信息，您可以使用BeautifulSoup get_text（）方法吗？也许像

soup.find('b').get_text()

---

在转换为json之前，可以使用BeautifulSoup get_text（）方法吗？也许像

soup.find('b').get_text()

---

从

标签中提取数据的一种方法是使用

re

模块：

import re
from bs4 import BeautifulSoup


html_text = """
<script>
var data['x'] = '<b>infoiwant</b><br>NA<br>infoinwant</br>columniwant: 123';
</script>
"""

html_data = re.search(r"data\['x'\] = '(.*?)';", html_text).group(1)
soup = BeautifulSoup(html_data, "html.parser")

print(soup.find("b").get_text(strip=True))

---

从

标签中提取数据的一种方法是使用

re

模块：

import re
from bs4 import BeautifulSoup


html_text = """
<script>
var data['x'] = '<b>infoiwant</b><br>NA<br>infoinwant</br>columniwant: 123';
</script>
"""

html_data = re.search(r"data\['x'\] = '(.*?)';", html_text).group(1)
soup = BeautifulSoup(html_data, "html.parser")

print(soup.find("b").get_text(strip=True))

.find_all（'b'）应足以获取b标签。br对于其他..find_all（'b'）应该足以获得b标签。br表示其他。和来自html中的脚本标记。因此，使用findbmethod不适用于meThe，而是来自html中的脚本标记。所以使用findbethod对我不起作用