如何用BeautifulSoup提取script标签内filmData的电影名与上映年份

解决方法 #

你可以通过以下两种常用方式提取对应字段：

方法1：正则表达式匹配（实现简单，适合固定结构的内容）

直接通过正则匹配name和releaseYear对应的值，完整可运行代码如下：

import requests
import re
from bs4 import BeautifulSoup

url = 'https://letterboxd.com/film/dogville/'
req = requests.get(url)
soup = BeautifulSoup(req.content, 'html.parser')
# 提取script标签的纯文本内容
script_content = soup.find_all("script")[10].text

# 匹配name字段值
name = re.search(r'name:\s*"([^"]+)"', script_content).group(1)
# 匹配releaseYear字段值
release_year = re.search(r'releaseYear:\s*"([^"]+)"', script_content).group(1)

print(f"电影名称：{name}")
print(f"上映年份：{release_year}")

方法2：JS对象转JSON解析（结构更稳定，适合多字段提取场景）

先提取filmData对应的对象字符串，将不符合JSON规范的部分替换后用json模块解析为Python字典，后续可以直接取任意字段：

import requests
import re
import json
from bs4 import BeautifulSoup

url = 'https://letterboxd.com/film/dogville/'
req = requests.get(url)
soup = BeautifulSoup(req.content, 'html.parser')
script_content = soup.find_all("script")[10].text

# 提取filmData赋值语句中等于号后、分号前的对象内容
film_data_str = re.search(r'var filmData = (.*?);', script_content).group(1)
# 给JS对象的所有键添加双引号，转为合法JSON格式
film_data_str = re.sub(r'(\w+):', r'"\1":', film_data_str)
# 转为Python字典
film_data = json.loads(film_data_str)

name = film_data['name']
release_year = film_data['releaseYear']

print(f"电影名称：{name}")
print(f"上映年份：{release_year}")

两种方法运行后输出结果一致：

电影名称：Dogville
上映年份：2003

内容的提问来源于stack exchange，提问作者user15107381