如何在 HTML 源代码中提取 javascript 变量

Question

我正在尝试使用 python 从网页中提取一些 javascript。 我设法隔离了 javascript（其中包含我需要的数据），但是我无法定位具有我需要的信息的 js 变量。

javascript格式如下图

javascript在python中存储了一个名为links的变量

将脚本标签中的 {} 替换为

links = {script type="text/javascript"} var ADC = ADC || {}; ADC.model = {};ADC.model.search = {"count": 48, "title": "Commercial Real Estate for Sale", "h1_text": "Commercial Properties for Sale", "asset": [{"pre_auction_enabled": false, "available": true, "registration_url": "http://www.auction.com/registration/event/commercial/B-152/8024124/",....}]}

我缩短了 ADC.model.search 的内容，但其余数据遵循相同的格式。我只需要 ADC.model.search 变量中包含的信息。

我通过这样做来隔离 javascript：

links = source_code.find_all("script", {"type" : "text/javascript"})

source_code 是我要抓取的页面的整个源代码

如何提取 ADC.model.search 的内容？

Answer 1

正则表达式怎么样？

links 来自您上面的代码；

import re
pattern='ADC\.model\.search=([^;\]]+?)'
match = re.match(pattern, links, re.i)  # 'links' goes from your code abouve 
print match.group(1)