有時候爬數據遇到像下面這種，數據在script標簽中以javascript形式存在。

var totalReviewsValue = 32;

var averageRating = 4.5;

if(totalReviewsValue != 0){

events = "...";

}

一般我們都是通過正則的方式抽取，其實還可以使用js2xml。將js轉換為xml標記的文本，這樣就可以通過抽取。

先提前出js文本

from pyquery import PyQuery as pq

doc = pq(html)js_text = doc('script').text()

print(js_text)

var totalReviewsValue = 32;

var averageRating = 4.5;

if(totalReviewsValue != 0){ events = "...";

}

js2xml

import js2xml

doc = pq(html)

js_text = doc('script').text()

parse_js = js2xml.parse(js_text)

print(type(parse_js))

print(parse_js)

為了方便我們查看Element對象，使用下面的代碼：

js2xml.pretty_print(data)

wow,返回我們熟悉的標記語言字符串。

...

因為parse_js是lxml庫的Element類對象。如果我們熟悉lxml庫的話，應該知道可以使用xpath或者css定位數據。

我們想獲取name=averageRating節點里的number節點中的value屬性的值。

number = parse_js.xpath("//program/var[@name='averageRating']/number/@value")

print(number)print(number[0])

['4.5']

4.5

總結

以上是生活随笔為你收集整理的linux下用js生成xml,js2xml:将javascript字符串转换为xml的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。