Question

我想用shell脚本解析的html页面上的javascript中有有效的json。首先，我想将整个json字符串从{转换为}，然后例如可以使用jq进行解析。

这基本上是我的html的外观：

<!DOCTYPE html>
<html>
  <head>
    <title>foobar</title>

  </head>

  <body>

  <script type="text/javascript" src="resources/script.js" charset="UTF-8"></script>
  <script type="text/javascript" src="resources/resources.js" charset="UTF-8"></script>

    <script type="text/javascript">
    if( foo.foobar.getInstance().isbar() ) 
    {
        foo.bar.Processor.message( {"head":{"url":"anotherfoo;barid=347EDAFA2B136D7825745B0A490DE32"},...});
    }
    else
    {....}
    </script>
  </body>
</html>

最后，我想获取位于“ barid = ...”的ID。我一直在尝试先使用grep foo.bar.Processor.message，然后再使用sed或cut，但我认为有更好的方法来使用它。如果您能指出正确的方向，那就太好了！谢谢！

Answer 1

一种选择可能是使用pup，至少用于解析HTML：

< input.html pup 'script:not(:empty) text{}' |
  grep foo.bar.Processor.message | grep -o '{.*}' |
  jq -r '.head.url
         | split(";")[]
         | select(test("barid="))
         | sub("barid=";"")'

使用您的HTML（已调整以确保HTML中的JSON有效）后，会产生：

347EDAFA2B136D7825745B0A490DE32

当然有很多警告。 YMMV。

Answer 2

通常，不建议使用unix命令行工具来解析HTML。但是，如果您知道标记字符串$json = @' [ "org-dummyemail-123-AccountName", "org-dummyemail-123-Email", "org-dummyemail-123-PAT", "org-dummyemail-123-PATName", "org-dummyemail-123-PATValidTo", "org-dummyemail1-joemarmoto-AccountName", "org-dummyemail1-joemarmoto-Email", "org-dummyemail1-joemarmoto-PAT", "org-dummyemail1-joemarmoto-PATName", "org-dummyemail1-joemarmoto-PATValidTo" ] '@ $a = $json | ConvertFrom-Json $b = @{} $a | ForEach-Object { $b[$_.Split('-')[0..2] -join '-'] += @($_) } $b | ConvertTo-Json，则可以使用以下foo.bar.Processor.message解决方案：

sed + jq

sed -n 's/foo\.bar\.Processor\.message(\([^)]*\).*/\1/p' file.html |
jq -r '.head.url | split(";")[1] | split("=")[1]'

在没有347EDAFA2B136D7825745B0A490DE32的情况下，您可以使用以下jq解决方案：

sed + gnu grep

使用外壳程序脚本从HTML页面上的javascript中获取JSON字符串

2 个答案: