如何用Python通过Soup提取script标签中的totalPage数值？

• 核心思路：先定位包含pageList的script标签，再用正则精准匹配totalPage对应的数值
• 具体代码实现：

from bs4 import BeautifulSoup
import re

# 替换为你的目标HTML内容
html = """
<!-- 示例HTML结构 -->
<script>
var pageList = {
    totalPage: 12,
    currentPage: 1,
    pageSize: 10
};
</script>
"""

# 解析HTML
soup = BeautifulSoup(html, 'html.parser')

# 筛选包含pageList关键字的script标签
target_script = soup.find('script', string=re.compile(r'pageList'))

# 匹配totalPage的数值（兼容空格、引号等常见格式）
if target_script:
    match_result = re.search(r'pageList\s*=\s*{[^}]*totalPage\s*:\s*["\']?(\d+)["\']?', target_script.string)
    if match_result:
        total_page = int(match_result.group(1))
        print(total_page)  # 输出12

• 关键细节说明：
  • 正则表达式pageList\s*=\s*{[^}]*totalPage\s*:\s*["\']?(\d+)["\']?的设计考虑了多种格式情况：
    • \s*匹配任意数量的空格（包括换行、制表符），避免因代码排版导致匹配失败
    • [^}]*匹配{到totalPage之间的任意内容（除了闭合大括号）
    • ["\']?匹配可选的单/双引号，兼容数值被引号包裹的情况
    • (\d+)捕获目标数字，作为最终提取结果

内容的提问来源于stack exchange，提问作者gndps