javascript - 从 Javascript 解析 CDATA

Question

这是我的第一篇文章，如果我做错了，我很抱歉，但我们开始吧:

我一直在从事一个应该从网站上抓取值(value)的项目。这些值是 javascript 数组中的变量。我正在使用 PHP Simple HTML DOM它适用于普通脚本，但不适用于存储在 CDATA block 中的脚本。因此，我正在寻找一种在 CDATA block 中抓取数据的方法。不幸的是，我能找到的所有帮助都是针对 XML 文件的，而我正在从 HTML 文件中抓取。

我试图抓取的 javascript 如下:

<script type="text/javascript">
//<![CDATA[
var data = [{"value":8.41,"color":"1C5A0D","text":"17/11"},{"value":9.86,"color":"1C5A0D","text":"18/11"},{"value":7.72,"color":"1C5A0D","text":"19/11"},{"value":9.42,"color":"1C5A0D","text":"20/11"}];
//]]>
</script>

我需要抓取的是 var 数据中的“值”变量。

问题是我试图替换对象上的 CDATA 字符串。以下代码完美运行:-)

include('simple_html_dom.php');

$lines = file_get_contents('http://www.virtualmanager.com/players/7793477-danijel-pavliuk/training');

$lines = str_replace("//<![CDATA[","",$lines);
$lines = str_replace("//]]>","",$lines);

$html = str_get_html($lines);

foreach($html->find('script') as $element) {
    echo $element->innertext;
}

如果需要，我会为您提供更多信息。

Answer 1

一个像样的 HTML 解析器不应该要求将 Javascript 包装在 CDATA 中堵塞。如果他们放弃了它，只需在解析之前将它们从 HTML 中删除，执行如下操作:

1. 使用 file_get_contents() 将 HTML 文件下载到字符串中或 cURL如果您的主机在该功能中禁用了 HTTP 支持。
2. 去掉 //<![CDATA[和 //]]>使用 str_replace() 的位
3. 使用简单 DOM 的 str_get_html() 从清理后的字符串中解析 HTML
4. 像以前一样处理 DOM 对象。