如何通过BeautifulSoup获取HTML标签的非属性内容及解析script标签中的window.WIZ_global_data为Python字典

这里你说的“非属性项”应该是指标签包含的文本内容或者子节点内容吧？BeautifulSoup提供了几种实用方法来获取这些内容：

• 获取标签内的纯文本：用.text或者.get_text()方法就行，后者更灵活，能指定子标签文本的分隔符，还能自动去除首尾空格：

  # 示例：获取<p>标签的文本内容
  paragraph = soup.find('p')
  plain_text = paragraph.text
  # 更干净的处理方式，自动去空格并合并子标签文本
  clean_text = paragraph.get_text(strip=True, separator=' ')
  

• 获取标签内的所有子节点（含标签和文本）：可以用.contents拿到子节点列表，或者用.children迭代器逐个遍历：

  # 遍历div标签的所有子节点
  div_node = soup.find('div')
  for child in div_node.children:
      print(child)
  

• 获取标签内的完整HTML结构：如果需要保留标签格式，直接把节点转成字符串，或者用.prettify()输出格式化后的HTML：

  # 获取标签内的完整HTML代码
  inner_html = str(div_node)
  # 格式化后的美观版本
  formatted_html = div_node.prettify()
  

先明确一点：window.WIZ_global_data不是script标签的属性，它是script标签内部定义的JavaScript全局变量，属于标签的文本内容部分。

要把它转成Python字典访问，用字符串处理+JSON解析就能搞定，非常Pythonic：

步骤1：获取script标签的文本内容 #

你已经知道用soup.head.script.text获取，这一步没问题：

script_text = soup.head.script.text

步骤2：提取字典格式的字符串 #

我们需要去掉开头的window.WIZ_global_data = 和末尾的;，这里推荐用正则表达式，比字符串分割更可靠，能避免文本中其他干扰内容：

import re
# 匹配window.WIZ_global_data后面的字典内容，支持换行
match = re.search(r'window\.WIZ_global_data = ({.*?});', script_text, re.DOTALL)
if match:
    data_str = match.group(1)

re.DOTALL参数让.能匹配换行符，确保即使字典内容换行也能完整捕获。

步骤3：转为Python字典 #

这个JavaScript对象的格式完全符合JSON规范（键值都用双引号），直接用json.loads()转换即可：

import json
wiz_data = json.loads(data_str)

步骤4：像普通字典一样访问 #

现在你就可以随意操作里面的内容了：

# 示例：获取FdrFJe对应的值
print(wiz_data['FdrFJe'])
# 访问嵌套的nQyAE字典
print(wiz_data['nQyAE']['WBBR0d'])

如果遇到JavaScript对象里有单引号等不符合JSON的情况，可能需要先做替换，但你提供的例子格式很标准，上面的代码直接就能正常工作。

内容的提问来源于stack exchange，提问作者hovedguy