网页HTML源码怎么保存为JSON格式？数据提取保存教程-html教程-PHP中文网

html转json需先提取结构化数据：js用textcontent.trim()取表格内容并映射为json；python用正则提取script中json片段再loads解析；beautifulsoup处理表单时优先取value等属性，注意编码与字段清洗。

网页html源码怎么保存为json格式？数据提取保存教程

直接保存 HTML 源码为 JSON 格式没有意义——JSON 是结构化数据格式，HTML 是标记文档格式，二者语义不同。你真正需要的，是「从 HTML 中提取有意义的结构化数据，再组织成 JSON」。

用 JavaScript 提取表格并转成 JSON（浏览器环境）

这是最常见也最稳的场景：后台导出的报表页、管理后台列表页等固定结构表格。

别用 innerText：某些浏览器会吞掉换行和多余空格，导致字段值被意外合并
优先用 textContent.trim() 获取每个 <td> 或 <code><th> 的纯文本 <li>表头必须单独处理：用 <code>document.querySelectorAll('table th') 或首行 <td> 提取列名，避免依赖 class 或 data-key <li>数据行从第二行开始遍历（<code>index > 0），跳过表头干扰
遇到 colspan/rowspan 直接跳过或打日志——这类结构无法无损映射到扁平 JSON

示例关键逻辑：

html-deploy

使用 htmlcode.fun 将 HTML 内容或文件部署到网页，适用于用户要求“部署到网页”“托管此 HTML”“生成此前端...的实时链接”等场景。

下载

const headers = Array.from(document.querySelectorAll('table th')).map(th => th.textContent.trim());
const rows = Array.from(document.querySelectorAll('table tr')).slice(1);
const json = rows.map(row => {
  const cells = row.querySelectorAll('td');
  return Object.fromEntries(
    headers.map((h, i) => [h, cells[i]?.textContent.trim() || null])
  );
});

用 Python 解析本地 .txt 文件里的嵌入 JSON（如 quickviews.push({})）

很多前端页面把核心数据藏在 <script></script> 标签里，比如 quickviews.push({"usage":"188,426 mi"})。这时不能靠字符串 find('"usage":') 硬切——缩进、换行、转义都会让定位失效。

用正则匹配完整 JSON 对象：模式如 r'quickviews\.push\(\s*({[^}]*?})\s*\)'，注意非贪婪匹配和括号嵌套限制
提取到字符串后，必须用 json.loads() 解析，不是 eval() ——后者有执行风险且不处理 Unicode 转义
如果 JSON 片段含换行或缩进，正则需加 re.DOTALL 标志
字段访问要用 .get('usage', None)，避免 KeyError；值里带逗号单位（如 "188,426 mi"）要后续清洗

用 BeautifulSoup + json.dumps 处理表单或列表（Python 爬虫常用）

当目标是表单字段、新闻列表、商品卡片这类语义清晰但结构松散的内容时，BeautifulSoup 比正则更可靠。

不要用 element.text 直接取值：可能混入隐藏文本、注释或脚本内容
对输入框优先读 el.get('value')，对 <select></select> 读选中项的 option[selected]，对复选框收集所有 checked 的 value
构造字典后，用 json.dumps(data, ensure_ascii=False, indent=2) 输出可读 JSON
注意编码：读取 .txt 或 .html 文件时显式指定 encoding='utf-8'，否则中文会乱码