在一个给定的.html页面，我有一个脚本标签，像这样：如何使用美丽的汤<script>标签提取字符串？
<script>jQuery(window).load(function() {
setTimeout(function(){
jQuery("input[name=Email]").val("[email protected]");
}, 1000);
});</script>
如何使用美丽的汤提取电子邮件地址？
要添加更多一点的@Bob's answer和假设您还需要找到其中可能有其他script标签的HTML标签script。
的思想是定义的正则表达式将用于既locating the element with BeautifulSoup并提取email值：
import re
from bs4 import BeautifulSoup
data = """
<body>
<script>jQuery(window).load(function() {
setTimeout(function(){
jQuery("input[name=Email]").val("[email protected]");
}, 1000);
});</script>
</body>
"""
pattern = re.compile(r'\.val\("([^@][email protected][^@]+\.[^@]+)"\);', re.MULTILINE | re.DOTALL)
soup = BeautifulSoup(data, "html.parser")
script = soup.find("script", text=pattern)
if script:
match = pattern.search(script.text)
if match:
email = match.group(1)
print(email)
在这里，我们使用的是simple regular expression for the email address，但我们可以走得更远，并更加严格，但我怀疑这将是实际需要的这个问题。
不可能只使用BeautifulSoup，但你可以做到这一点，例如与BS +正则表达式
import re
from bs4 import BeautifulSoup as BS
html = """<script> ... </script>"""
bs = BS(html)
txt = bs.script.get_text()
email = re.match(r'.+val\("(.+?)"\);', txt).group(1)
或像这样：
...
email = txt.split('.val("')[1].split('");')[0]