正则表达式从废弃的HTML提取Javascript对象

我有一个完整的页面HTML报废，有很多标记包括HTML/CSS/JS代码。下面正则表达式从废弃的HTML提取Javascript对象

例（剥离量）

<p>blah blah blah html</p> 
<script type="text/javascript">window._userData ={"country_code": "PK", "language_code": "en",user:[{"user": {"username": "johndoe", "follows":12,"biography":"blah blah blah","feedback_score":99}}],"another_var":"another value"} </script> 
<script> //multiple script tags can be here... </script> 
<p>blah blah blah html</p>

现在我要提取的对象中window._userData，然后，如果可能的转换所提取的字符串到PHP对象/阵列。

我已经尝试了一些在SO上找到的正则表达式，但无法正常工作。

我也试图在这里类似的答案Regular expression extract a JavaScript variable in PHP

感谢

来源

2016-06-13 Alyas

您想要提取的对象不正确。 – splash58

@ splash58我添加了缺少的}，感谢您的评论，请解决任何问题？ – Alyas

此外，它不能包含空格，并且必须包含引号中的所有键 - “{”country_code“：”PK“，”language_code“：”en“，”user“：[{”user“：{”username“：”johndoe “，”follow“：12，”biography“：”blah blah blah“，”feedback_score“：99}}]，”another_var“：”另一个值“}' – splash58

查找正则表达式

preg_match('/\bwindow\._userData\s*=(.+)(?=;|<\/script)/', $html, $m);

和解码

json_decode(trim($m[1]), true);

但是，你应该在正确的JSON之前HTML。

来源

2016-06-13 10:39:15 splash58

这是正确的方法，但当脚本标记包含多个JS对象和/或者该对象包含带有';'的字符串。如果你能排除它会起作用。编辑：JS不是一种常规语言[此答案适用]（http://stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml-self-contained-tags/1732454#1732454） –

@JohannesStadler如果json包含';'或EOL，它真的是一个问题，我不知道如何解决 – splash58

我认为这是不可能的正则表达式。 Js不是常规语言，因此正则表达式有其局限性。 –

正则表达式从废弃的HTML提取Javascript对象

回答

相关问题