Question

我正在尝试使用 BeautifulSoup 在JavaScript中提取setAttribute元素中的值。我尝试使用正则表达式，但它返回None。

script标记如下

<script>            
     var iframe = document.createElement('iframe');
     iframe.setAttribute("src", "Value i need to get");
     iframe.frameBorder=0;
     iframe.scrolling="no";
     iframe.width="300px";
     iframe.height="24px";
     document.getElementById("m_iframe").appendChild(iframe);               
</script>

Python代码：

        html=url.read()
        soup=BeautifulSoup(html,"html.parser")
        p = re.compile('\s+iframe.setAttribute("src",\s+"(.*)");')
        all_script  = soup.find_all("script", {"src":False})
        for individual_script in all_script:
            all_value =  individual_script.string
            if all_value:            
                m = p.match(all_value)
                print m

我的代码有什么问题？

如何获得这个价值？

Answer 1

关于你的正则表达式，问题是你没有转义setAttribute函数的括号，所以它只是将它们视为捕获组。试试这个正则表达式：`\ s + iframe.setAttribute（“src”，\ s +“（。*）”）;'

如果你正在进行正则表达式刮擦，你根本不应该真的需要BeautifulSoup ...这样的事情就足够了：

html = url.read()
r = re.compile(r'\s+iframe\.setAttribute\("src",\s+"(.*)"\);')
match = r.match(html)
if match:
    print match.group()

Answer 2

您可以使用简单的拆分来提取您想要的文本，我经常使用它，因为我对正则表达式不太好。

from bs4 import BeautifulSoup

html = """
<html>
    <script>
     var iframe = document.createElement('iframe');
     iframe.setAttribute("src", "Value i need to get");
     iframe.frameBorder=0;
     iframe.scrolling="no";
     iframe.width="300px";
     iframe.height="24px";
     document.getElementById("m_iframe").appendChild(iframe);
    </script>
</html>
    """
start = 'iframe.setAttribute("src", "'
end = '");'

soup = BeautifulSoup(html, 'html.parser')
cols = soup.findAll('script')
for i in cols:
    text_you_need = ((i.text.split(start))[1].split(end)[0])
    print(text_you_need)

你得到你想要的东西：

Value i need to get

您可以使用相同的代码段来获取两个字符串之间的文本，这涵盖了我打算进行抓取的大部分内容。

Answer 3

试试这个正则表达式：

\s+iframe\.setAttribute\("src",\s+"([^"]+)"\);

DEMO：https://regex101.com/r/oO0fZ3/2

使用BeautifulSoup在DOM setAttribute JavaScript中获取值

3 个答案: