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。
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<th>的纯文本 - 表头必须单独处理：用
document.querySelectorAll('table th')或首行<td>提取列名，避免依赖 class 或 data-key - 数据行从第二行开始遍历（
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：
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> 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。
立即学习“前端免费学习笔记（深入）”；
- 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>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
真正的难点不在“怎么转”，而在“转什么”——HTML 里大量内容是装饰性、布局性或动态生成的，强行塞进 JSON 只会让结果臃肿难用。先明确你要的字段边界，再选工具，比一上来就写正则或遍历 DOM 更省时间。
