如何使用python bs4提取javascript變量

Question

<script type="text/javascript">var csrfMagicToken = "sid:bf8be784734837a64a47fcc30b9df99,162591180";var csrfMagicName = "__csrf_magic";</script>

上面的腳本標簽來自一個網頁。

script = soup.find_all('script')[5]

通過使用上面的代碼行，我能夠提取我想要的腳本標簽，但我需要在 python 腳本中提取變量的值，我在 python 腳本中使用 BeautifulSoup 來提取數據。

Answer 1

你可以用

(?:var|let)\s+(\w+)\s*=\s*"([^"]+)"

在 regex101.com 上查看演示。

---

注意：但是，在代碼上使用正則表達式通常有幾個缺點。 例如與上述，......。 比如let x = -10; 不會匹配，但將是完全有效的JavaScript代碼。 此外，（尚）不支持單引號 - 這完全取決於您的實際輸入。

---

話雖如此，你可以去：

(?:var|let)\s+
(?P<key>\w+)\s*=\s*
(['"])?(?(2)(?P<value1>.+?)\2|(?P<value2>[^;]+))

在 regex101.com 上查看另一個演示。

---

這仍然讓您對轉義引號（如let x = "some \\" string";或注釋中的變量聲明）無能為力。通常，支持解析器解決方案。