Python HTML 解析获取JS
在网页开发中，经常会遇到需要从 HTML 页面中获取 JavaScript 代码的情况。Python 提供了很多强大的库来解析 HTML，并从中提取所需的信息。本文将介绍如何使用 Python 解析 HTML 页面，并获取其中的 JavaScript 代码。
什么是 HTML 解析？
HTML 解析是指将 HTML 文档转换为结构化数据的过程。HTML 是一种标记语言，用于描述网页的结构和内容。通过解析 HTML，我们可以提取出其中的文本、链接、图像等信息。
Python 中的 HTML 解析库
Python 中有多个优秀的库可用于解析 HTML，例如 Beautiful Soup、lxml 和 html.parser。这些库可以将 HTML 文档解析为树结构，并提供了易于使用的 API 来浏览和搜索 HTML 元素。
以下是一个使用 Beautiful Soup 解析 HTML 的示例：
from bs4 import BeautifulSoup
# HTML 页面内容
html = '''
<html>
<head>
<title>Example</title>
</head>
<body>
Hello, World!
<p>This is an example HTML document.</p>
<script>
console.log("Hello from JavaScript!");
</script>
</body>
</html>
'''
# 创建 Beautiful Soup 对象
soup = BeautifulSoup(html, 'html.parser')
# 提取标题
title = soup.title.string
print(f'Title: {title}')
# 提取文字内容
text = soup.get_text()
print(f'Text: {text}')
# 提取 JavaScript 代码
script = soup.script.string
print(f'Script: {script}')
上述代码首先导入了 BeautifulSoup 类，并创建了一个 soup 对象，其中 html.parser 参数用于指定解析器。然后，我们可以使用 soup 对象提取 HTML 元素，如标题、文字内容和 JavaScript 代码。
获取 HTML 页面中的 JavaScript 代码
要获取 HTML 页面中的 JavaScript 代码，我们需要定位到包含 JavaScript 代码的元素，并提取其内容。通常，JavaScript 代码位于 <script> 标签之间。我们可以使用 HTML 解析库提供的方法来获取这些标签的内容。
在上面的示例中，我们使用了 soup.script.string 来获取 <script> 标签中的 JavaScript 代码。如果 HTML 页面中有多个 <script> 标签，我们可以使用 soup.find_all('script') 获取所有的 <script> 元素，然后逐个提取其内容。
使用示例
接下来，我们将使用一个真实的网页来演示如何从中获取 JavaScript 代码。假设我们要从 [百度首页]( 获取 JavaScript 代码。
import requests
from bs4 import BeautifulSoup
# 发送 GET 请求
response = requests.get('
# 获取 HTML 页面内容
html = response.text
# 创建 Beautiful Soup 对象
soup = BeautifulSoup(html, 'html.parser')
# 获取所有的 <script> 元素
scripts = soup.find_all('script')
# 提取 JavaScript 代码
for script in scripts:
code = script.string
if code is not None:
print(code)
上述代码首先使用 requests 库发送 GET 请求，获取百度首页的 HTML 页面。然后，创建了一个 soup 对象来解析 HTML。使用 soup.find_all('script') 可以获取页面中所有的 <script> 元素。最后，我们遍历这些元素，提取其中的 JavaScript 代码，并将其打印出来。
通过运行上述代码，你可以在控制台中看到百度首页中的 JavaScript 代码。
序列图
下面是一个使用 Mermaid 语法绘制的获取 JavaScript 代码的序列图：
sequenceDiagram
participant User
participant Python
participant HTML Page
User->>Python: 发送 GET 请求
Python->>HTML Page: 获取 HTML 页面内容
Python->>Python: 创建 Beautiful Soup 对象
Python->>HTML Page: 解析 HTML
Python->>HTML Page: 获取所有的 <script> 元素
HTML Page-->>Python: 返回所有的 <script> 元素
Python->>Python: 提取 JavaScript 代码
Python-->>User: 打印 JavaScript 代码
上述序列图展示了用户通过 Python 发送 GET 请求获取 HTML 页面内容，然后解析 HTML 页面，并从中提取 JavaScript 代码的过程。
结论
通过使用 Python
