如何访问一块嵌入式JS?

时间:2018-09-16 19:56:22

标签: javascript html node.js cheerio

我正在尝试使用Cheerio抓取某些网站,但是由于该应用程序是动态的,因此内容不存在于HTML中,而是位于我不确定如何访问的JS对象上(我尝试过使用窗口,文档等)。

我的代码:

let axios = require('axios') // HTTP client
let cheerio = require('cheerio') // HTML parsing package

const url = 'https://www.foo.com'

const getWebsiteContent = async (url) => {
    try {
        const response = await axios.get(url)
        const $ = cheerio.load(response.data)
        console.log(response.data)
    } catch (error) {
        console.error(error)
    }
}

getWebsiteContent(url)

console.log的结果(我只是粘贴了我需要访问的部分):

<!DOCTYPE html>
<html lang='en' ng-app='Test'>
<head>
</head>
<body class='' data-allow-utf8='false'>
<h1>HEADER</h1>
<script>
  var matchData = function () {
    Live.load.main({
      version:           "1.2",
      sports:            [
          {
              title: 'matchone',
              subtitle: 'foo'
          },
          {
              title: 'matchtwo',
              subtitle: 'aaa'
          }
      ],
    })
}


</script>
<!-- More stuff -->
</body>
</html>

我要访问的数据是sports函数中包含的Live.load.main方法中的matchData数组。

我什至不确定Cheerio是否是正确的工具,因为我期望数据会以HTML形式存在,但显然是以某种方式加载的,即在触发GET请求时只能在JS对象中看到它。

1 个答案:

答案 0 :(得分:1)

首先,使用$('script').text()获取脚本标签的内容。如果页面上还有更多脚本标签,则可能需要调整选择器。然后使用正则表达式匹配要访问的数组:

const script = $('script').text();
const [, arrStr] = script.match(/sports:\s+(\[[\s\S]+\])/);

最后,使用eval将字符串转换为数组:

const arr = eval(arrStr);

请参见demo