javascript - 如何从我抓取的 HTML 页面中解析 JavaScript 对象？

Question

我正在尝试为食品食谱页面建立索引，实际食谱作为对象存储在页面的 JavaScript 中。

一个示例 URL:http://www.dagbladet.no/mat/oppskrift/bakt-potet-med-romme-og-blamuggostdressing

如果我在浏览器中打开开发者工具并输入:

console.dir(food.recipeItem.title)

我拿回了标题:

"Bakt potet med rømme- og blåmuggostdressing"

一切都很好，很花花公子，正是我所需要的。但是我如何才能获取该脚本并在 Node.js 应用程序中解析它呢？ Cheerio 也许会帮我找到剧本，但不会做更多的事？或者也许会？我不确定如何做到这一点，也不知道什么是最有效的计算答案。或者说是最坚固的。

Answer 1

这非常简单，您所要做的就是解析返回的 HTML。如果您检查返回的 HTML(查看源代码: http://www.dagbladet.no/mat/oppskrift/bakt-potet-med-romme-og-blamuggostdressing )，您将发现一个脚本标记，其中包含多个 javascript 变量 中所需的所有信息。这些变量保存 JSON 数据。由于脚本直接硬编码到 HTML 文档中，而不是通过 XHR 或类似方式获取，因此解析 HTML 是执行此操作的唯一方法。

所以基本上你有以下 3 个步骤:

1.发送HTTP GET请求到the link above

2. 使用某个库解析 HTML 字符串以提取 script 标记(检查 this 链接来决定使用哪个库)。

3. 解析 javascript 字符串(从步骤 2 中提取的脚本)以提取 JSON 数据。检查UglifyJS Node.js 库