提取MLB网站MP4链接时，Python中json.loads无法将字符串转字典

你的问题出在这几个核心点上：

1. 硬编码索引提取内容完全不可靠 #

all_script_label[20]这种固定位置的提取方式完全依赖页面结构一成不变，MLB的页面随时可能调整script标签的顺序，你提取的内容大概率不是正确的目标数据块。

2. 提取的target不是标准JSON格式 #

MLB页面里的script内容是JavaScript对象，并非严格符合JSON规范：

• 可能用单引号代替双引号（JSON要求必须用双引号）
• 可能包含undefined这类JSON不支持的关键字
• 末尾可能带分号或者其他多余字符
• 存在JS风格的转义或注释

这些都会直接导致json.loads和ast.literal_eval解析失败。

正确解决步骤 #

第一步：精准定位目标script标签 #

放弃固定索引，用正则匹配包含视频元数据的script块，比如找包含window.__INITIAL_STATE__或者mediaAsset的内容（MLB的视频数据通常存在这类全局变量里）。

第二步：将JS对象清理为标准JSON #

把JS对象里不符合JSON规范的部分替换修正：

• 把单引号替换成双引号
• 把undefined替换成null
• 去掉末尾的分号
• 清理多余的空格或注释

第三步：解析JSON并提取MP4链接 #

示例代码 #

import requests
import re
import json
from bs4 import BeautifulSoup

url = "https://www.mlb.com/video/jeremy-pena-s-solo-homer?t=most-popular"
content = requests.get(url).text

# 匹配包含视频数据的全局变量script块
script_pattern = re.compile(r'window\.__INITIAL_STATE__\s*=\s*({.*?});', re.DOTALL)
script_match = script_pattern.search(content)

if script_match:
    # 提取JS对象字符串
    js_obj_str = script_match.group(1)
    # 清理成标准JSON格式
    cleaned_json_str = js_obj_str.replace("'", '"').replace("undefined", "null")
    # 解析JSON
    try:
        data = json.loads(cleaned_json_str)
        # 定位视频源（MLB视频链接通常在renditions列表中）
        media_renditions = data.get('videoPlayer', {}).get('mediaAsset', {}).get('playback', {}).get('renditions', [])
        # 筛选MP4格式的链接
        mp4_links = [item['url'] for item in media_renditions if item.get('url', '').endswith('.mp4')]
        print("找到的MP4链接：")
        for link in mp4_links:
            print(link)
    except json.JSONDecodeError as e:
        print(f"解析失败：{e}")
else:
    print("未找到目标视频数据块")

补充说明 #

• MLB的页面结构可能会更新，如果上面的正则匹配不到，可以打开页面F12查看Elements里的script标签，找到存储视频数据的全局变量名，调整正则即可。
• 部分视频可能有防盗链限制，直接访问MP4链接时可能需要携带请求头里的Referer和User-Agent。

内容的提问来源于stack exchange，提问作者Gap