Question

在我的一个脚本中，我使用urllib2和BeautifulSoup来解析HTML页面并阅读<script>标记。

这就是我得到的：

<script>
var x_data = {
    logged: logged,
    lengthcarrousel: 2,
    products : [
        {
            "serial" : "106541823"
            ...
</script>

我的目标是阅读x_data变量中的JSON，我不知道如何正确地完成它。我虽然：

转换为字符串并删除第一个字符{和最后一个字符}
使用正则表达式，例如＆＃39; {。*}＆＃39;并采取第一组
别的什么？

我不知道这些是否有效，以及是否有其他方法可以很好地完成。

你认为一种方法比另一种更好吗？我可能没有意识到的任何方法？

提前感谢您的任何建议。

编辑：

根据建议，我获得了Regexp解决方案，但是尽管使用了re.MULTILINE，我仍然无法进行多行搜索：

string1 = '<script>
var x_data = {
    logged: logged,
    lengthcarrousel: 2,
    products : [
        {
                "serial" : "106541823"}
]
}; 
</script>'


p = re.compile(r'\{.*\};',re.MULTILINE);
m = p.search(string1)
if m:
    print m.group(0)
else:
    print "Error !"

我总是得到一个＆＃34;错误！＆＃34;。

EDIT2：

适用于re.DOTALL。

Answer 1

我认为这些方法在优雅和性能方面基本相同（使用 {。*} 可能稍好一些，因为。* 是贪婪的，即会几乎没有回溯，因为在我看来，对于不同的JS代码格式细微差别，我更“宽容”。您可能更感兴趣的是： https://docs.python.org/ 3.6 /库/ json.html

＆＃XA。

Answer 2

如果它看起来总是这样，那么你就可以像你提出的那样解决一个类似于它的解决方案。

因为程序员在代码中做了所有事情，我怀疑在实践中它不会完全看起来如此，然后任何hacky解决方案都将是脆弱的并且会在意外（阅读＆＃34;不可能的不方便＆＃34;）时刻失败。（在解析代码时，已知正则表达式是hacky）。

如果你想要做到这一点，你需要获得一个真正的JavaScript解析器，将其应用于脚本标记内容定义的代码片段，以生成AST，然后在AST中搜索恰好碰巧的JavaScript嵌套结构看起来像JSON，并获取那棵树的内容，漂亮印刷。

面对使用JavaScript赋值语句汇编JSON片段的程序员，即使这样也很脆弱。您可以通过计算数据流并发现碰巧汇编JSON代码的代码集来处理这个问题。这是相当多的工作。

因此，您可以决定解决方案的限制是什么，然后接受当您无法控制的人随机做某些事情时的后果。

使用Python解析Javascript

2 个答案: