如何将网页script标签中的App JSON对象解析为Python可识别格式？

方法一：使用json5库（推荐） #

json5专门支持解析JS风格的对象，完美兼容JSON和JS对象的语法差异（比如单引号、末尾逗号、未加引号的键名）

• 安装依赖：

pip install json5

• 解析步骤：

1. 抓取页面后提取包含App = 的script标签内容
2. 截取App = 之后到末尾分号前的JS对象字符串
3. 直接用json5解析为Python字典

import json5
import requests
from bs4 import BeautifulSoup

url = "https://polymetalinternational.com/en/investors-and-media/news/press-releases/"
response = requests.get(url)
soup = BeautifulSoup(response.text, "html.parser")

# 定位目标script标签
script_content = soup.find("script", text=lambda t: t and "App = " in t).text
# 提取App对象的字符串内容
app_data_str = script_content.split("App = ")[1].rstrip(";")
# 解析为Python可识别的数据结构
app_data = json5.loads(app_data_str)

# 提取新闻标题示例
press_releases = app_data.get("props", {}).get("pageProps", {}).get("pressReleases", [])
for release in press_releases:
    print(release.get("title"))

方法二：使用demjson库 #

demjson同样支持JS对象到Python数据结构的转换，语法兼容度高：

• 安装依赖：

pip install demjson

• 解析代码（请求和提取步骤同上）：

import demjson
app_data = demjson.decode(app_data_str)

方法三：手动处理（不推荐） #

如果不想额外安装库，可尝试用ast.literal_eval，但需要先处理JS与JSON的语法差异：

1. 用正则给未加引号的键名添加双引号
2. 将true/false/null替换为True/False/None
3. 处理单引号与双引号的冲突
   但这种方法容易在复杂嵌套字符串场景下出现误替换，仅作为无库环境下的临时方案。

内容的提问来源于stack exchange，提问作者Mikke Mus