如何使用 Beautiful Soup 访问此项目

Question

我正在尝试访问

中的元素

<script type="text/javascript">ReportPopper("http://asd.asd.asd/ReportOutput/asd-asd-41cc-asd-asd.xls");<script>

使用beautifulsoup，不幸的是我不确定如何访问 ReportPopper 部分并使用Python 将其分配给变量

对不起，如果这已经回答。 我尝试在 find('ReportPopper') 中添加 ReportPopper 并给我一个 none 元素。

import requests
import io
import os
from bs4 import BeautifulSoup


participation = requests.post(url=report_post_url,data=request_post_report_form,headers=report_post_headers,stream=True)
print(participation)


soup = BeautifulSoup(participation.text, 'html.parser')

for n in soup.find_all('script'):
    javascript = n['ReportPopper']
    print(javascript)

我想得到我的最终结果：

javascript = "http://asd.asd.asd/ReportOutput/asd-asd-41cc-asd-asd.xls"

作为我的输出：

Traceback (most recent call last):
  File "c:\Users\John asd\Documents\GitHub\asd.net\testing.py", line 184, in <module>
    javascript = n['ReportPopper']
  File "C:\Users\John asd\asd\Local\Programs\Python\Python37\lib\site-packages\bs4\element.py", line 1016, in __getitem__
    return self.attrs[key]
KeyError: 'ReportPopper'

Answer 1

re.compile() 返回一个regular expression object，这意味着 h 是一个正则表达式对象。

正则表达式对象有自己的match 方法，带有可选的 pos 和 endpos 参数：

regex.match(string[, pos[, endpos]])

from bs4 import BeautifulSoup
import  re

html = """<script>ReportPopper("http://asd.asd.asd/ReportOutput/asd-asd-41cc-asd-asd.xls");</script>"""

soup = BeautifulSoup(html, 'lxml')
script = soup.find_all("script")

pattern = re.compile('ReportPopper(.*);')

for i in script:
    strObj = i.text
    match = pattern.search(strObj)
    if match:
        print(strObj.split("ReportPopper(")[1][:-2])

O/P：

"http://asd.asd.asd/ReportOutput/asd-asd-41cc-asd-asd.xls"

Answer 2

对于 bs4 4.7.1，如果响应中存在该字符串，则可以使用 :contains

from bs4 import BeautifulSoup as bs
# r = requests.get(url)
# html - r.content
html = '<script type="text/javascript">ReportPopper("http://asd.asd.asd/ReportOutput/asd-asd-41cc-asd-asd.xls");<script>'
soup = bs(html, 'lxml')
s = soup.select_one('script:contains(ReportPopper)').text
url = s.split('"')[1]
print(url)