0

0

如何从嵌入式 标签中提取动态渲染的房产销售数据

花韻仙語

花韻仙語

发布时间:2026-02-15 12:52:17

|

178人浏览过

|

来源于php中文网

原创

如何从嵌入式 <script> 标签中提取动态渲染的房产销售数据
"> 标签中提取动态渲染的房产销售数据
" /></p>
<blockquote>
    
        
本文介绍如何绕过页面无真实 HTML 表格的限制,通过正则匹配 JavaScript 变量内容,精准提取 CoreLogic 澳洲网站中以 JSON 形式内联在  中的 90 条房产销售数据,并转换为结构化 DataFrame。

    
</blockquote>
  <p>本文介绍如何绕过页面无真实 html 表格的限制,通过正则匹配 javascript 变量内容,精准提取 corelogic 澳洲网站中以 json 形式内联在 `<script>` 中的 90 条房产销售数据,并转换为结构化 dataframe。</script></p>
<p>在网页抓取实践中,常遇到“看似有表、实则无 DOM”的情况——目标数据并未以 </p><div class=

万兴喵影
万兴喵影

国产剪辑神器

下载
形式渲染,而是作为 JSON 对象直接写入 <script> 标签中,由前端 JavaScript 动态初始化。CoreLogic 澳洲近期销售查询页(如 https://www.corelogic.com.au/our-data/recent-sales?postcode=5600)正是典型场景:页面展示的表格完全由 postcodeData 这一全局 JS 变量驱动,原始 HTML 中不包含任何 <tr> 或 <td> 元素。<p>此时,传统 BeautifulSoup.find('table') 必然返回 None;而直接解析 <script> 文本需注意两点:一是该脚本无标准 type="application/json" 属性,无法用 soup.find('script', type=...) 精准定位;二是其内容混杂在大量逻辑代码中,需用正则提取关键变量赋值语句。<p>推荐采用以下稳健方案:<pre class="brush:php;toolbar:false;">import json import requests import re import pandas as pd url = 'https://www.corelogic.com.au/our-data/recent-sales?postcode=5600' # 发起请求(注意:部分站点会校验 User-Agent,建议添加) headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36' } response = requests.get(url, headers=headers) response.raise_for_status() # 抛出网络错误 # 正则提取 postcodeData = {...}; 中的 JSON 字符串(非贪婪匹配至首个 };) match = re.search(r'postcodeData\s*=\s*(\{[^}]*\});', response.text) if not match: raise ValueError(&quot;Failed to locate 'postcodeData' variable in script&quot;) json_str = match.group(1) data = json.loads(json_str) # 解析为 DataFrame:data 是列表,通常含一个元素,其 properties 为实际记录数组 df = pd.DataFrame(data['data'][0]['properties']) print(df.head())</pre><p>✅ <strong>关键说明: <ul><li>正则 r'postcodeData\s*=\s*(\{[^}]*\});' 专为该页面结构设计,可安全捕获单层花括号内的 JSON(因数据本身不含嵌套 {},无需复杂递归解析); <li>若未来页面升级为多层嵌套或变量名变更,建议改用 r'postcodeData\s*=\s*(\{.*?\});' 配合 re.DOTALL 标志,并增加 JSON 解析容错(如 json.loads(..., strict=False)); <li>requests.get() 默认不发送 User-Agent,易触发 403;务必添加合理请求头模拟浏览器行为; <li>数据字段(如 address, salePrice, soldDate)均位于 properties 列表中,可直接用于分析或导出:df.to_csv('sales_5600.csv', index=False)。<p>⚠️ <strong>注意事项: <ul><li>该方法依赖前端代码稳定性,若网站将 postcodeData 改为动态生成或加密变量名,需转向 Selenium 或 Playwright 渲染后提取; <li>CoreLogic 明确标注数据“for demonstration only”,商用前请务必查阅其<a href="https://www.php.cn/link/af866a23e5202f7bc6f2f3c5eed85d0d" rel="nofollow" target="_blank" >数据使用条款,避免合规风险; <li>单次请求仅返回 90 条随机记录,无分页参数暴露,不可批量获取全量数据。<p>掌握这种“JS 内联 JSON 提取”技巧,能高效应对大量 SPA(单页应用)类数据门户,是现代网页抓取工程师的必备能力之一。 </script>

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

热门AI工具

更多
DeepSeek
DeepSeek

幻方量化公司旗下的开源大模型平台

豆包大模型
豆包大模型

字节跳动自主研发的一系列大型语言模型

通义千问
通义千问

阿里巴巴推出的全能AI助手

腾讯元宝
腾讯元宝

腾讯混元平台推出的AI助手

文心一言
文心一言

文心一言是百度开发的AI聊天机器人,通过对话可以生成各种形式的内容。

讯飞写作
讯飞写作

基于讯飞星火大模型的AI写作工具,可以快速生成新闻稿件、品宣文案、工作总结、心得体会等各种文文稿

即梦AI
即梦AI

一站式AI创作平台,免费AI图片和视频生成。

ChatGPT
ChatGPT

最最强大的AI聊天机器人程序,ChatGPT不单是聊天机器人,还能进行撰写邮件、视频脚本、文案、翻译、代码等任务。

相关专题

更多
json数据格式
json数据格式

JSON是一种轻量级的数据交换格式。本专题为大家带来json数据格式相关文章,帮助大家解决问题。

439

2023.08.07

json是什么
json是什么

JSON是一种轻量级的数据交换格式,具有简洁、易读、跨平台和语言的特点,JSON数据是通过键值对的方式进行组织,其中键是字符串,值可以是字符串、数值、布尔值、数组、对象或者null,在Web开发、数据交换和配置文件等方面得到广泛应用。本专题为大家提供json相关的文章、下载、课程内容,供大家免费下载体验。

544

2023.08.23

jquery怎么操作json
jquery怎么操作json

操作的方法有:1、“$.parseJSON(jsonString)”2、“$.getJSON(url, data, success)”;3、“$.each(obj, callback)”;4、“$.ajax()”。更多jquery怎么操作json的详细内容,可以访问本专题下面的文章。

318

2023.10.13

go语言处理json数据方法
go语言处理json数据方法

本专题整合了go语言中处理json数据方法,阅读专题下面的文章了解更多详细内容。

81

2025.09.10

Python爬虫获取数据的方法
Python爬虫获取数据的方法

Python爬虫可以通过请求库发送HTTP请求、解析库解析HTML、正则表达式提取数据,或使用数据抓取框架来获取数据。更多关于Python爬虫相关知识。详情阅读本专题下面的文章。php中文网欢迎大家前来学习。

293

2023.11.13

js正则表达式
js正则表达式

php中文网为大家提供各种js正则表达式语法大全以及各种js正则表达式使用的方法,还有更多js正则表达式的相关文章、相关下载、相关课程,供大家免费下载体验。

521

2023.06.20

js获取当前时间
js获取当前时间

JS全称JavaScript,是一种具有函数优先的轻量级,解释型或即时编译型的编程语言;它是一种属于网络的高级脚本语言,主要用于Web,常用来为网页添加各式各样的动态功能。js怎么获取当前时间呢?php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

371

2023.07.28

js 字符串转数组
js 字符串转数组

js字符串转数组的方法:1、使用“split()”方法;2、使用“Array.from()”方法;3、使用for循环遍历;4、使用“Array.split()”方法。本专题为大家提供js字符串转数组的相关的文章、下载、课程内容,供大家免费下载体验。

551

2023.08.03

pixiv网页版官网登录与阅读指南_pixiv官网直达入口与在线访问方法
pixiv网页版官网登录与阅读指南_pixiv官网直达入口与在线访问方法

本专题系统整理pixiv网页版官网入口及登录访问方式,涵盖官网登录页面直达路径、在线阅读入口及快速进入方法说明,帮助用户高效找到pixiv官方网站,实现便捷、安全的网页端浏览与账号登录体验。

76

2026.02.13

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号