Question

我使用NodeJS进行网页抓取。

我有一个复杂的HTML字符串。它包含许多html标签和一些jave脚本块。每个javascript块包含带有一些参数的js函数，每个参数都是一个Json字符串。我只对那些Json字符串感兴趣。什么是提取它们的最佳方式？

示例代码：

<html>
    <header>...</header>
    <script>function1(param1:[{a:"V1"},{b:"v2"}],param2:[{c:"v3"},{d:"v4"}])</script> 
    <script>...</script>
    <body>...</body>
</html>

感谢您的建议。

Answer 1

首先，使用cheerio解析html。这将允许您使用jQuery语法la <script>从$('script').text()标记内正确提取javascript文本（您可能希望循环遍历所有脚本标记）。一旦你自己提取了javascript，使用esprima来解析javascript，找到所有的函数调用，并找到所有的文字参数。与正则表达式一起黑客攻击这两个库将更加正确。从小处开始，发布一个代码片段，如果遇到问题，请回来寻求帮助。

试图用HTML中的javascript提取Json字符串

1 个答案: