从htm中提取json

Question

我有这样的块的html文件：

<script type="text/javascript> 
var json1 = {
// ...
} 
</script>

使用变量的名称-例如“json1”-提取json的简单方法是什么？正则表达式可以吗，或者我需要像靓汤这样的东西？你知道吗

Answer 1

我发现一些简单的东西在我的案子里有用。获取“var json1=”的位置，然后调用html.find文件（“”，startOfJson1）。使用索引从字符串中分割json。你知道吗

Answer 2

是的，你需要正则表达式和靓汤

import json
import re
from bs4 import BeautifulSoup  # $ pip install beautifulsoup4

html = //Your html output
soup = BeautifulSoup(html)
script = soup.find('script', text=re.compile('json1'))
json_text = re.search(r'^\s*json1\s*=\s*({.*?})\s*;\s*$', 
                        script.string, flags=re.DOTALL | re.MULTILINE).group(1)
data = json.loads(json_text)
print(data['json1'])