Python使用Regex匹配指定字符串后取13个字符，转义不生效问题求助

存在的问题 #

• soup.findAll("script")[2] 返回的是BeautifulSoup的Tag对象，不是脚本的文本内容，直接存入列表后传入正则方法会触发类型错误
• re.findall 要求第二个参数为字符串类型，你传入的是列表对象script2，类型不匹配直接触发异常
• 同时使用HTMLSession和urllib3重复请求同一个链接，属于冗余操作，还可能触发反爬规则导致请求失败
• 裸except会吞掉所有异常信息，无法定位具体错误点

修正后代码 #

import re
from bs4 import BeautifulSoup
import urllib3

# 禁用urllib3的不安全请求警告（可选）
urllib3.disable_warnings()
http = urllib3.PoolManager()

for link in productlinks:
    try:
        # 仅保留一次请求即可
        response = http.request(
            "GET", link, headers={'User-Agent': "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/118.0.0.0 Safari/537.36"})
        html = response.data.decode('utf-8')
        soup = BeautifulSoup(html, 'html.parser')
        # 先判断是否存在第三个script标签，避免索引越界
        script_tags = soup.find_all("script")
        if len(script_tags) < 3:
            print("未找到对应script标签")
            continue
        # 获取script的文本内容
        script_content = script_tags[2].text
        special_string = '"ean",values:[{text:"'
        x_letters_afterwards = 13
        # 正则使用捕获组直接提取目标13个字符
        result = re.findall(re.escape(special_string) + f"(.{{{x_letters_afterwards}}})", script_content)
        print(result)
    except Exception as e:
        # 打印异常信息方便排查，调试完成后可替换为省略号输出
        print(f"出错：{str(e)}")
        # print("...")

额外优化说明 #

• 将User-Agent修改为浏览器UA，避免被网站反爬策略拦截
• 增加script标签数量判断，避免索引越界报错
• 正则增加捕获组，直接返回你需要的13个目标字符，无需再做二次截取
• 异常部分打印具体错误信息，方便调试定位问题

内容的提问来源于stack exchange，提问作者lanavargas2002