php - 使用正则表达式和 php 从 html 中提取 javascript 对象

Question

我正在尝试从包含常用 HTML 标记的页面中提取特定的 JavaScript 对象。

我尝试使用正则表达式，但当 HTML 包含换行符时，我似乎无法让它正确解析 HTML。

示例如下:https://regex101.com/r/b8zN8u/2

我尝试提取的 HTML 如下所示:

<script>
  DATA.tracking.user = { 
      age: "19", 
      name: "John doe" 
  }
</script>

使用以下正则表达式:DATA.tracking.user=(.*?)}

<?php
$re = '/DATA.tracking.user = (.*?)\}/m';
$str = '<script>
           DATA.tracking.user = { age: "19", name: "John doe" }
        </script>';

preg_match_all($re, $str, $matches, PREG_SET_ORDER, 0);

如果我解析 DATA.tracking.user = {age: "19", name: "John doe"} 没有任何换行符，那么它工作正常，但如果我尝试解析:

DATA.tracking.user = { 
      age: "19", 
      name: "John doe" 
  }

它不喜欢处理换行符。

任何帮助将不胜感激。

谢谢。

Answer 1

您需要在模式中指定空格 (\s)，以便解析包含换行符的 javascript 代码。

例如，如果您使用以下代码:

<?php
$re = '/DATA.tracking.user = \{\s*.*\s*.*\s*\}/';
$str = '<script>
  DATA.tracking.user = {
      age: "19",
      name: "John doe"
  }
</script>';

preg_match_all($re, $str, $matches, PREG_SET_ORDER, 0);
print_r($matches[0]);
?>

您将得到以下输出:

Array
(
    [0] => DATA.tracking.user = {
      age: "19",
      name: "John doe"
  }
)