使用Python中的BeautifulSoup从HTML脚本标签中提取JSON

前端之家收集整理的这篇文章主要介绍了使用Python中的BeautifulSoup从HTML脚本标签中提取JSON 前端之家小编觉得挺不错的,现在分享给大家,也给大家做个参考。

我有以下HTML,应该怎么做才能从变量中提取JSON:window .__ INITIAL_STATE__

<!DOCTYPE doctype html>

<html lang="en">
<script>
                  window.sessConf = "-2912474957111138742";
                  /* <sl:translate_json> */
                  window.__INITIAL_STATE__ = { /* Target JSON here with 12 million characters */};
                  /* </sl:translate_json> */
                </script>
</html>
最佳答案
您可以使用以下Python代码提取JavaScript代码.

soup = BeautifulSoup(html)
s=soup.find('script')
js = 'window = {};\n'+s.text.strip()+';\nprocess.stdout.write(JSON.stringify(window.__INITIAL_STATE__));'
with open('temp.js','w') as f:
    f.write(js)

JS代码将被写入文件“ temp.js”.然后,您可以调用node执行JS文件.

from subprocess import check_output
window_init_state = check_output(['node','temp.js'])

python变量window_init_state包含JS对象window .__ INITIAL_STATE__的JSON字符串,您可以使用JSONDecoder在python中对其进行解析.

from subprocess import check_output
import json,bs4
html='''<!DOCTYPE doctype html>

<html lang="en">
<script> window.sessConf = "-2912474957111138742";
                  /* <sl:translate_json> */
                  window.__INITIAL_STATE__ = { 'Hello':'World'};
                  /* </sl:translate_json> */
                </script>
</html>'''
soup = bs4.BeautifulSoup(html)
with open('temp.js','w') as f:
    f.write('window = {};\n'+
            soup.find('script').text.strip()+
            ';\nprocess.stdout.write(JSON.stringify(window.__INITIAL_STATE__));')
window_init_state = check_output(['node','temp.js'])
print(json.loads(window_init_state))

输出

{'Hello': 'World'}

猜你在找的HTML相关文章