Python如何从script标签提取JS对象并解析得到指定HTML内容

步骤1：提取JS对象文本片段 #

首先从你获取的script标签文本中定位到目标JS对象的范围：
大部分电商内嵌的业务数据都遵循变量名 = {JS对象字面量};的格式，你可以通过首尾大括号定位截取有效内容，示例代码如下：

# 假设你拿到的script标签完整内容存储在script_text变量中
# 定位目标JS对象的首个左大括号和最后一个右大括号
start_pos = script_text.find('{')
end_pos = script_text.rfind('}')
js_raw_str = script_text[start_pos:end_pos + 1]

如果script标签内存在多个JS对象，可以先定位到你要的对象对应的变量前缀，比如目标对象赋值给window.detailData，就先找到window.detailData = 的索引位置，再从该位置往后找第一个左大括号作为起始点即可。

步骤2：解析JS对象并提取目标字段 #

你之前用demjson的思路是可行的，demjson支持解析非严格JSON格式的JS字面量（比如键未加双引号、存在尾逗号等JSON不兼容的写法），直接调用解码方法即可：

import demjson

# 解析JS对象
parsed_data = demjson.decode(js_raw_str)
# 提取目标HTML内容
target_html = parsed_data['tabs'][0]['html']

如果demjson解析出现兼容问题，可替换为json5库解析，使用方式一致：

1. 先安装依赖：pip install json5
2. 替换解析代码：

import json5

parsed_data = json5.loads(js_raw_str)
target_html = parsed_data['tabs'][0]['html']

注意事项 #

• 如果JS对象中存在Unicode转义字符，可在截取后先处理转义：js_raw_str = js_raw_str.encode('utf-8').decode('unicode_escape')
• 如果对象嵌套层级过深，可先打印parsed_data的结构确认字段路径和你预期一致。

内容的提问来源于stack exchange，提问作者gatorio