Python从内部获取数据值<script> html tag

Question

因此，如果有人可以帮助我，我需要从html网页中提取一个变量。

这是网页包含的内容

<script>
    var id = "5010"; 
</script>

我几乎只需要从py网页中提取该值。 如果有人可以帮助将是很好，如果这很难理解，我很抱歉。

Answer 1

您可以使用urllib和正则表达式搜索来执行此操作。

import urllib.request
import re

url = "https://stackoverflow.com/questions/53111019/python-get-data-value-from-inside-script-html-tag"
response = urllib.request.urlopen(url)
html = response.read().decode('utf-8')

#print(html)
between_script_tags = re.search('<script>(.*)</script>', html)

print(between_script_tags)

URlLib从页面中提取HTML，然后“ re.search（）”在HTML中找到“”和“”之间的任何文本

但是，这只会以纯文本形式提供给您。 例如，在您的情况下，它将返回字符串“ var id = "5010"; “`

您可以进一步拆分：

output = between_script_tags.split(“ ”)

这将使输出列出三项内容：['var'，'id'，'='，'“ 5010”;']

在这里，提取所需的数据非常简单。

Answer 2

我发现使用python 字符串split（）函数来处理这种事情很容易。

编辑：重大更新以处理新要求

很简单的东西：

html = """
<script>
    var id = \"5010\";
    var id2 = \"8888\";
    var idX = \"XoX\";
</script>"""

varlist = {}
vars  = html.split("var ")[1:]  # get each var entry
for v in vars:
    name = v.split("=")[0].strip()  # first part is the var [name = "]
    value = v.split("\"")[1]        # second part is the value [ = "..."]
    varlist[name] = value           # store it for printing below

print("Varlist - " + str(varlist))

---------------------
OUTPUT: Varlist - {'id': '5010', 'id2': '8888', 'idX': 'XoX'}

split()返回一个字符串列表，该字符串在搜索的部分周围分开。 第二个参数表示最大分割数。 因此，通过分割字符串，将其限制为一个分割，然后采用[0]或[1]元素，可以将输入分开以获取所需的数据。

在上面，第一个拆分在var 。 这给出了一个列表，因为字符串在有var位置被分割，所以每个条目的第一部分是var名称（我们从一开始就丢弃了垃圾）。

然后，代码针对这些拆分中的每一个进行循环，通过在=上拆分来获取var名称，得到[0]端。 接下来是var值，该值始终包含在引号中，因此在"分割时应给出一个3个项目的列表， [1]元素是var的值。将这些值添加到python字典中只是为了例。

如果您的值不总是用引号引起来，则可以在;上将其分开; 等等。可以使用任何类型的保证模式。