python - 如何使用 Beautiful Soup 提取 <script> 标签中的字符串？

在给定的 .html 页面中，我有一个这样的脚本标记:

     <script>jQuery(window).load(function () {
  setTimeout(function(){
    jQuery("input[name=Email]").val("name@email.com");
  }, 1000);
});</script>

如何使用 Beautiful Soup 提取电子邮件地址？

最佳答案

向 @Bob's answer 添加更多信息并假设您还需要在 HTML 中找到 script 标签，其中可能有其他 script 标签。

我们的想法是定义一个正则表达式，用于locating the element with BeautifulSoup。并提取 email 值:

import re

from bs4 import BeautifulSoup


data = """
<body>
    <script>jQuery(window).load(function () {
      setTimeout(function(){
        jQuery("input[name=Email]").val("name@email.com");
      }, 1000);
    });</script>
</body>
"""
pattern = re.compile(r'\.val\("([^@]+@[^@]+\.[^@]+)"\);', re.MULTILINE | re.DOTALL)
soup = BeautifulSoup(data, "html.parser")

script = soup.find("script", text=pattern)
if script:
    match = pattern.search(script.text)
    if match:
        email = match.group(1)
        print(email)

打印:name@email.com。

这里我们使用 simple regular expression for the email address ，但我们可以走得更远，对此更加严格，但我怀疑这对于这个问题是否有实际必要性。

关于python - 如何使用 Beautiful Soup 提取 <script> 标签中的字符串？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/38547569/