Question

我正在研究“Video Downloader”，我对BeautifulSoup4有一个问题。

＆＃xA;＆＃xA;

这是html的一部分，我希望得到一个href：< / p>＆＃xA;＆＃xA;

 ＆lt; script src =“/ static / common.js？v7”＆gt;＆lt; / script＆gt;＆＃xA;＆lt; script type =“text / JavaScript的“＆GT;＆＃XA; var c = 6;＆＃xA; window.onload = function（）{＆＃xA;计数（）;＆＃XA; }＆＃XA;＆＃XA; function closeAd（）{＆＃xA; $（ “＃易于箱”）隐藏（）;＆＃XA; }＆＃XA;＆＃XA; function notLogedIn（）{＆＃xA; $（“＃not-loged-in”）。html（“你需要登录才能下载这部电影！”）;＆＃xA; }＆＃XA;＆＃XA; function count（）{＆＃xA; if（document.getElementById（'countdown'）！= null）{＆＃xA; c  -  = 1;＆＃xA; //如果计数器在范围内，我们将剩余的秒数放在＆lt; span＆gt;下面＆＃xA; if（c> = 0）＆＃xA; if（c == 0）{＆＃xA; document.getElementById（'countdown'）。innerHTML ='';＆＃xA; }＆＃XA;别的{＆＃xA; document.getElementById（'countdown'）。innerHTML = c; ＆＃XA; }＆＃XA;别的{＆＃xA; document.getElementById（'download-link'）。innerHTML ='＆lt; a style =“text-decoration：none;” href =“http://s896.vshare.io/download,9999999999999999999999999999999999999999-f6192405453bf5ff3cfe41a488d8390d,5944ed28,4d948c5.avi”＆gt;点击此处＆lt; / a＆gt;下载请求的文件。';＆＃xA;返回;＆＃XA; ＆＃xA; // setTimeout（'count（）'，1000）;＆＃xA; }＆＃XA; }＆＃XA; ＆lt; / script＆gt;＆＃xA;＆lt; script type =“text / javascript”src =“/ static / flowplayer / flowplayer-3.2.13.min.js”＆gt;＆lt; / script＆gt;＆＃xA;

＆＃xA;＆＃xA; 这里是我要打印的href：
＆＃xA;＆＃xA;   href =“http： //s896.vshare.io/download,999999999999999999999994599999999999999999-f6192405453bf5ff3cfe41a488d8390d,5944ed28,4d948c5.avi"


我正在尝试这个，但是它不起作用。
＆＃xA;＆＃xA;   for in soup3.find_all（'a'）：＆＃xA;如果'href'在a.attrs中：＆＃xA;印刷（一个[ 'HREF']）＆＃XA;  
＆＃XA;

Answer 1

Beautiful Soup可以解析HTML和XML，而不是JavaScript。您可以使用正则表达式来搜索此代码使用<a [^>]*?(href=\"([^\">]+)\")，您可以匹配此代码中的所有内容：

<a - 是a代码
[^>]*? - 可以包含任何不是>
href=" - 有href
[^\">]+ - 除"和>

要从html中提取脚本代码，您可以使用
script = soup.find('script', {'type': 'text/javascript'})
然后解析它，使用
re.search(r"<a [^>]*?(href=\"([^\">]+)\")", script.text)
请先记得import re。

print(re.search(r"<a [^>]*?(href=\"([^\">]+)\")", script.text)[1])
# href="http://s896.vshare.io/download,9999999999999999999999999999999999999999-f6192405453bf5ff3cfe41a488d8390d,5944ed28,4d948c5.avi
print(re.search(r"<a [^>]*?(href=\"([^\">]+)\")", script.text)[2])
# http://s896.vshare.io/download,9999999999999999999999999999999999999999-f6192405453bf5ff3cfe41a488d8390d,5944ed28,4d948c5.avi

阅读正则表达式。如果您打算经常使用模式，请先编译它 https://docs.python.org/3/library/re.html

Python（BeautifulSoup） - 从<script>获取href

1 个答案: