从Tripadvisor网页中删除电子邮件地址

Question

我正试图使用Python-BS4-requests从以下网页中获取电子邮件地址，但在源代码中无法访问该电子邮件地址

https://www.tripadvisor.in/Attraction_Review-g189400-d2020955-Reviews-Chat_Tours-Athens_Attica.html

该电子邮件地址在我的邮件应用程序中打开，但我在页面源中找不到指向它的链接。 我知道这可以通过观察网络标签来实现，并提出与网站相同的帖子请求，但无法实现

提前谢谢

Answer 1

该电子邮件在页面上的Json变量中进行Base64编码

您可以使用此示例获取页面上的所有电子邮件：

import re
import json
import base64
import requests
from bs4 import BeautifulSoup


url = 'https://www.tripadvisor.in/Attraction_Review-g189400-d2020955-Reviews-Chat_Tours-Athens_Attica.html'

html_data = requests.get(url).text
data = re.search(r'window\.__WEB_CONTEXT__=(\{.*?\});', html_data).group(1)
data = json.loads(data.replace('pageManifest', '"pageManifest"'))

def get_emails(val):
    if isinstance(val, dict):
        for k, v in val.items():
            if k == 'email':
                if v:
                    yield v
            else:
                yield from get_emails(v)
    elif isinstance(val, list):
        for v in val:
            yield from get_emails(v)

for email in get_emails(data):
    email = base64.b64decode(email).decode('utf-8')
    email = re.search(r'mailto:(.*)_', email).group(1)

    print(email)

印刷品：

chat@chatours.gr