我们在开发爬虫的过程中,经常发现有一些网站,会直接把数据放到HTML中的<script>标签里面。这些数据长得有点像JSON,但又有差异,如下图所示:

这种格式,我们叫做JavaScript Object。长得很像Python的字典,又很像是JSON。但是这个格式在Python里面,无论直接当字典解析,还是当JSON解析,都会报错,如下图所示:

遇到这种情况,有同学准备使用正则表达式来解析,又有同学直接放弃。

但实际上,这种数据结构,使用Yaml是可以直接解析成Python的字典。我们首先来安装一下Yaml:

1
pip install pyyaml

然后直接像解析JSON一样解析:

1
2
3
4
5
6
7
8
9
10
import yaml
data = '''
{
name: '青南',
salary: 999999999,
address: '上海',
pro: true
}
'''
info = yaml.safe_load(data)

运行效果如下图所示,已经直接解析成了Python的字典:

Yaml格式是JSON格式的超集,因此,使用pyyaml库也能直接解析正常的JSON:

甚至各种复杂的混合格式也能正常解析:

关于YAML格式的更多介绍,请看我以前的文章:

一日一技:不用游标卡尺,Yaml 格式5分钟入门
一日一技:如何处理配置文件中的重复值?
一日一技:优雅地加载Yaml配置文件