使用正则边界匹配提取soup中script标签的labels和数据返回None如何解决

原代码错误点 #

• 正则语法错误：单词边界标识是\b，你误写为/b，规则无法生效
• 匹配规则完全不符合实际内容：labels: ],和你提供的script内结构完全不符，labels后是一长串数字组成的数组，不是直接闭合的方括号
• 使用逻辑错误：BeautifulSoup的find方法传入正则匹配文本，只会筛选出符合规则的script标签，不会直接返回你需要提取的labels和数据内容，还需要二次提取

正确实现代码 #

import re
import json

# 第一步：筛选出包含目标图表的script标签
script_tag = soup.find("script", string=re.compile(r"new Chart.*chart-overall-mentions"))
if not script_tag:
    print("未找到目标script标签")
else:
    script_content = script_tag.string
    # 提取labels数组
    labels_res = re.search(r'labels:\s*(\[.*?\])', script_content, re.DOTALL)
    if labels_res:
        labels = json.loads(labels_res.group(1))
        print("提取到的labels：", labels)
    # 提取datasets中的对应数据数组
    data_res = re.search(r'datasets:\s*\[\s*{\s*data:\s*(\[.*?\])', script_content, re.DOTALL)
    if data_res:
        data_list = json.loads(data_res.group(1))
        print("提取到的对应数据：", data_list)

代码说明 #

• 用正则匹配时加re.DOTALL（缩写为re.S）参数，确保.可以匹配换行符，避免内容换行导致匹配失败
• 匹配到的数组字符串符合JSON格式，直接用json.loads转换为Python列表，无需手动拆分处理
• 如果有多个datasets，可以调整正则匹配规则遍历获取所有数据数组

内容的提问来源于stack exchange，提问作者Guilherme Ely