正則表達式從廢棄的HTML提取Javascript對象

我有一個完整的頁面HTML報廢，有很多標記包括HTML/CSS/JS代碼。下面正則表達式從廢棄的HTML提取Javascript對象

例（剝離量）

<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>

現在我要提取的對象中window._userData，然後，如果可能的轉換所提取的字符串到PHP對象/陣列。

我已經嘗試了一些在SO上找到的正則表達式，但無法正常工作。

我也試圖在這裏類似的答案Regular expression extract a JavaScript variable in PHP

感謝

來源

2016-06-13 Alyas

您想要提取的對象不正確。 – splash58

@ splash58我添加了缺少的}，感謝您的評論，請解決任何問題？ – Alyas

此外，它不能包含空格，並且必須包含引號中的所有鍵 - 「{」country_code「：」PK「，」language_code「：」en「，」user「：[{」user「：{」username「：」johndoe 「，」follow「：12，」biography「：」blah blah blah「，」feedback_score「：99}}]，」another_var「：」另一個值「}' – splash58

查找正則表達式

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

和解碼

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

但是，你應該在正確的JSON之前HTML。

來源

2016-06-13 10:39:15 splash58

這是正確的方法，但當腳本標記包含多個JS對象和/或者該對象包含帶有';'的字符串。如果你能排除它會起作用。編輯：JS不是一種常規語言[此答案適用]（http://stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml-self-contained-tags/1732454#1732454） –

@JohannesStadler如果json包含';'或EOL，它真的是一個問題，我不知道如何解決 – splash58

我認爲這是不可能的正則表達式。 Js不是常規語言，因此正則表達式有其侷限性。 –

正則表達式從廢棄的HTML提取Javascript對象

回答

相關問題