根据我之前的问题: how to fetch javascript contents in python
我尝试制作另一个脚本来从 JavaScript 中获取数据。当然是在获取网页内容之后。
但是,它只是没有显示我想要的内容。我想从页面的 javascript 中找到“content_id”。这是页面:- http://www.hulu.com/watch/815743
这就是我现在拥有的。
import re
import requests
from bs4 import BeautifulSoup
import os
import fileinput
Link = 'http://www.hulu.com/watch/815743'
q = requests.get(Link)
soup = BeautifulSoup(q.text)
#print soup
subtitles = soup.findAll('script',{'type':'text/javascript'})
pattern = re.compile(r'"content_id":"(.*?)"', re.MULTILINE | re.DOTALL)
script = soup.find("script", text=pattern)
print pattern.search(script.text).group(1)
我收到此错误:
AttributeError: 'NoneType' object has no attribute 'text'
知道如何解决这个问题..?
最佳答案
您的正则表达式模式存在两个问题:
- 脚本内容中的引号用反斜杠转义,请考虑到这一点
- 冒号后有一个空格
这是修复后的版本:
pattern = re.compile(r'\\"content_id\\":\s*\\"(.*?)\\"', re.MULTILINE | re.DOTALL)
对我有用,结果是 60585710
。
仅供引用,这是我正在执行的完整代码:
import re
import requests
from bs4 import BeautifulSoup
Link = 'http://www.hulu.com/watch/815743'
q = requests.get(Link)
soup = BeautifulSoup(q.text)
pattern = re.compile(r'\\"content_id\\":\s*\\"(.*?)\\"', re.MULTILINE | re.DOTALL)
script = soup.find("script", text=pattern)
print pattern.search(script.text).group(1)
关于javascript - 使用 python 在 javascript 中搜索字符串,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/32810273/