Question

我需要从HTML文件中提取信息。对于大多数人来说，我只需要匹配特定DOM元素的内容或属性，因此我使用XPATH表达式，如//a[@class="targeturl"]/@href和命令行工具xidel。

在不同批次的文件中，我想要的信息位于script，不太容易获得：

<html>
<head><!-- ... --></head>
<body>
    ...
    <script>
        ...
        var o = {
            "numeric": 1234,
            "target": "TARGET",
            "urls": "http://example.com",
            // Commented pair "strings": "...",
            "arrays": [
               {
                  "more": true
               }
               ,
               { 
                  "itgoeson": true
               }
            ]
        };
    </script>
    ...
</body>
</html>

请注意，包含我想要获取的值的对象不是有效的JSON。但是，它似乎每行都要尊重一个键值对。

我可以传递给xidel --xpath "???"以获取此TARGET的内容？

我尝试过与XPATH功能不同的东西，但是我无法找到解决方案而没有管道其他命令（match告诉我是/否，replace正常工作线......等。

Answer 1

尝试在XPath下面实现：

substring-before(substring-after(//script, '"target": '), ",")

Answer 2

我可以传递给xidel --xpath "???"以获取此TARGET？

由于var o实际上是JSON，我建议你这样对待：

-e "json(
      //script/extract(
        .,
        'var o = (.+);',
        1,'s'
      )[.]
    )/target"

从{"field1": 1234, "target": "TARGET", "morefields": "..."}元素节点中提取<script>（json包含多行，因此请勿忘记's'正则表达式标记。）
将输出解释为json，将json( )包裹在其周围（或//script/...[.] ! json(.)）并选择target属性。

<强> [编辑]
要删除评论（以//开头）：

-e "json(
      //script/replace(
        extract(
          .,
          'var o = (.+);',
          1,'s'
        )[.],
        '\s+//.+',
        ''
      )
    )/target"

不是最讨人喜欢的查询，但它确实有效的 [/编辑]

在XPATH中从Javascript中的对象中检索值

2 个答案: