PHP ganon如何阅读javascript

Question

我正在使用php ganon dom解析器来抓取一些html页面，但我被卡在需要从源读取一些javascript的JavaScript。

<script type="text/javascript"> 
    Event.observe(window, 'load', function() { 
     ig_lightbox_main_img=0; 
ig_lightbox_img_sequence.push('http://someimageurl.com/image.jpg'); 
ig_lightbox_img_labels.push("Some text"); 
ig_lightbox_img_sequence.push('http://someimageurl.com/image2.jpg'); 
ig_lightbox_img_labels.push("Some text 2"); 
    }); 
</script> 

我想读的URL形成与我已经使用这个代码页的HTML未来对现在

$html = str_get_dom('some page html here'); 
    foreach($html('.product-img-box script[type=text/javascript]') as $script){ 
    echo $script->html(); 
} 

上面的脚本但是这是行不通的。关于如何阅读脚本的任何想法

Answer 1

尝试将type=text/javascript左右的字符加到$html对象的字符串中。

我看看here，他们有一个例子：

foreach($html('a[href ^= "http://"]') as $element) { 
    $element->wrap('center'); 
} 

我认为这是/可能已经使其返回错误的结果。

编辑

被眼前的问题混为一谈，我认为问题是，你不能拿到剧本里面的数据，这是因为你的选择的。无论如何，经过一番思考，如果你有一个带有数据的脚本标签的字符串副本，只需在它上面运行一个正则表达式即可。

这里是我测试的一个示例：

$string = "<script type=\"text/javascript\"> 
    Event.observe(window, 'load', function() { 
     ig_lightbox_main_img=0; 
ig_lightbox_img_sequence.push('http://someimageurl.com/image.jpg'); 
ig_lightbox_img_labels.push(\"Some text\"); 
ig_lightbox_img_sequence.push('http://someimageurl.com/image2.jpg'); 
ig_lightbox_img_labels.push(\"Some text 2\"); 
    }); 
</script>"; 

$regex = "/\b(?:(?:https?|ftp|file):\/\/|www\.|ftp\.)[-A-Za-z0-9+&@#\/%=~_|$?!:,.]*[A-Za-z0-9+&@#\/%=~_|$]/"; 

$results = array(); 

preg_match_all($regex,$string,$results); 

var_dump($results); 
//Result: array(1) { [0]=> array(2) { [0]=> string(33) "http://someimageurl.com/image.jpg" [1]=> string(34) "http://someimageurl.com/image2.jpg" } } 

$results具有在其内部的URL数据作​​为从preg_match_all（Documentation）返回。

如果有帮助，一旦你有了URL，你可以在PHP中使用parse_url（Documentation），它将字符串URL分割成更容易使用的东西。

注意：使用的正则表达式是一个相当简单的表达式，并不会涵盖每种情况。如here和here所述，为此得到完美的正则表达式是非常困难的。