如何使用Beautiful Soup提取script标签内的邮箱地址？

你可以按照以下两步操作：先定位到对应script标签，再从标签文本中提取邮箱，有两种常用实现方案：

方案1：正则匹配（简单快捷） #

直接对script标签内的文本做邮箱格式匹配，不需要解析JS结构，适合快速提取：

from bs4 import BeautifulSoup
import re

# 替换为你自己的HTML文本变量
html_content = "你的HTML内容"
soup = BeautifulSoup(html_content, "html.parser")

# 定位包含目标JS代码的script标签
target_script = soup.find("script", string=re.compile(r"atomic\("))
script_text = target_script.get_text()

# 匹配邮箱
email_match = re.search(r"[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}", script_text)
if email_match:
    email = email_match.group()
    print(email) # 输出 ename@email.com

方案2：解析JS对象（更稳定） #

如果结构固定，建议提取JS参数转JSON解析，避免正则误匹配：

from bs4 import BeautifulSoup
import re
import json

html_content = "你的HTML内容"
soup = BeautifulSoup(html_content, "html.parser")
target_script = soup.find("script", string=re.compile(r"atomic\("))
script_text = target_script.get_text()

# 提取atomic函数的入参部分
param_str = re.search(r"atomic\(([\s\S]*?)\)\.\$mount", script_text).group(1)
# 修正原代码里多余的右大括号，转成标准JSON格式
param_str = param_str.strip().rstrip("}") + "}"
config = json.loads(param_str)

email = config["playlist"][0]["email"]
print(email) # 输出 ename@email.com

注意：如果页面内有多个script标签，可以给find方法补充更多筛选条件（比如根据script的父节点属性、id等），确保定位到正确的标签。

内容的提问来源于stack exchange，提问作者อมรา หน้าหัก