Question

我尝试解析此页面：http://fr.hearthhead.com/cards以获取hearthstoneCards JS变量。所以我做这样的事情：

$url = 'http://fr.hearthhead.com/cards';
$content = file_get_contents($url);
preg_match('#var hearthstoneCards = (.*)}]\;#Us', $content, $out);
$out = $out[1].'}]';
$tab_id_card = json_decode($out,true);

我尝试了我能找到的每一个技巧（修剪，剥离，BOM和其他东西的preg，在json_decode和许多其他东西上放置标志），但我没有得到这个工作。

如果我file_put_contents $ out var并与真实源进行比较则它是相同的（相同的长度）。如果我把字符串放在JS控制台上，我就会得到数据。但PHP不想解析这个var：（

有人有个主意吗？：）

Answer 1

问题是你假设代码是JSON，当它真的是完全成熟的JavaScript时。在该代码中，出现了许多不带引号的属性名称popularity的重复，这是很好的JavaScript，但是JSON无效。

我尝试构建一个正则表达式来修复任何不带引号的属性名称。问题是，这是不可行的。就我而言，任何冒号内的冒号都会破坏我的正则表达式。

如果没有编写解析器来修复此类不符合或调用JS解释器（这需要外部依赖项，如V8J），我认为您现在可以修复此特定方案：

$url = 'http://fr.hearthhead.com/cards';
$content = file_get_contents($url);
preg_match('#var hearthstoneCards = (.*)}]\;#Us', $content, $out);
$out = str_replace('popularity', '"popularity"', $out);
$out = $out[1].'}]';
$tab_id_card = json_decode($out,true);

如果您担心将来引入新的不带引号的属性，可以检查$tab_id_card NULL，并将错误记录到您经常检查的地方，甚至可以以某种方式为您自己发送通知。虽然我会这样做，但我认为这不是一个可能的情况，因为所有其他属性都被正确引用。

PHP - file_get_contents用正则表达式获取JSON，但不能JSON解码（得到JSON_ERROR_SYNTAX）

1 个答案: