Question

我正在使用网络抓取工具来获取数据。现在我有一个包含HTML内容的字符串，我需要获得一个位于标记之间的对象：

＆＃xA;＆＃xA;

string

＆＃xA;＆＃xA;

  var targetString =＆＃xA;“＆lt; html lang =”en“class =”no-js not-logged-in“＆gt;＆lt;！ - ＆lt ; [endif]  - ＆gt;＆＃xA;＆lt; head＆gt;＆lt; / head＆gt;＆＃xA;＆lt; body class =“”＆gt; Body Content＆＃xA;＆lt; script type =“text / javascript” ＆gt; objectName = {foo：5};＆lt; / script＆gt;＆＃xA;＆lt; / body＆gt;＆＃xA;＆lt; / html＆gt;＆＃xA;“; ＆＃xA;

＆＃xA;＆＃xA;

如何从此字符串中取出 objectName ，并将其转换为可读对象，例如我可以用一致的方式称呼'foo'吗？

＆＃xA;

Answer 1

在.match()上尝试拨打targetString，RegExp /\{.*\}/作为参数;使用.replace() 0从.match()返回的数组的索引RegExp处调用/(\w+)(?=:)/字符串，并使用转义双引号"\"$1\""匹配替换字符串;从JSON.parse()

返回的字符串调用.replace()

＆＃13;

var targetString = ' <html lang="en" class="no-js not-logged-in "> <!--<![endif]-->'
  + '<head></head>'
  + '<body class="">Body Content'
  +  '<script type="text/javascript">objectName = {foo: 5};<\/script>' 
  + '</body>'
  + '</html>'; 

var objectName = JSON.parse(
                   targetString
                   // match left bracket "{" ,
                   // followed by any single character
                   // except the newline characters
                   // 0 or more times
                   // followed by right bracket "}"
                   .match(/\{.*\}/)[0]
                   // match any alphanumeric character
                   // 1 or more times
                   // set replacement string as
                   // captured any alphanumeric character
                   // wrapped within escaped double quotes 
                   // on either side of replacement string
                   .replace(/(\w+)(?=:)/,"\"$1\"")
                 );

console.log(objectName);

document.write(JSON.stringify(objectName, null, 2));

document.write("<br>" + objectName.foo);

＆＃13;

Answer 2

您可以使用： -

var result=targetstring.split("objectName");
alert(result[1]);

或类似的东西，取决于您的需要;只需使用split()功能。

拆分函数参考：http://www.w3schools.com/jsref/jsref_split.asp

Answer 3

首先，你问题中的JS代码格式不正确，应该是这样的：

var targetString = 
' <html lang="en" class="no-js not-logged-in "> <!--<![endif]-->\
  <head></head>\
  <body class="">Body Content\
    <script type="text/javascript">objectName = {foo: 5};</script>\
  </body>\
  </html>\
';

如果你确切知道这是你的输入的样子（<script>标签中除了赋值之外没有其他东西），你可以简单地使用正则表达式来提取你的数据对象： / p>

var pattern = /<script [^>]*>[\w_]+\s*=\s*(.*?);?<\/script>/;
eval('(' + targetString.match(pattern)[1] + ')');

如果您只知道脚本中的变量名称，并且其中可能还有其他语句，您可以将整个内容放入<iframe>并提取对象值，如下所示：

var targetString = 
' <html lang="en" class="no-js not-logged-in "> <!--<![endif]-->\
<head></head>\
<body class="">Body Content\
<script type="text/javascript">objectName = {foo: 5};</script>\
</body>\
</html>\
';

var context = document.createElement('iframe');
document.body.appendChild(context);
context.contentWindow.document.write(targetString);
console.log(context.contentWindow.objectName); // got it
document.body.removeChild(context);

See demo here.

如何过滤掉<script>标记之间的对象

3 个答案: