xpath - 如何在JavaScript源中选择元素？

Question

我需要在下面的JavaScript源代码中获取“ html”键的值，该JavaScript源代码由xpath（'.// script [34]'）提取并嵌入到html源页面中。

   <script>
        FM.view({
            "ns": "pl.content.homeFeed.index",
            "domid": "Pl_Official_MyProfileFeed__24",
            "css": ["style/css/module/list/comb_WB_feed_profile.css?version=73267f08bd52356e"],
            "js": "page/js/pl/content/homeFeed/index.js?version=dad90e594db2c334",
            "html": "                <div class=\"WB_feed WB_feed_v3\" pageNum=\"\" node-type='feed_list' module-type=\"feed\">\r\n...."
        })
    </script>

我特别不知道如何处理文本“ FM.view”。

Answer 1

我将使用.re()从脚本中提取html键值：

>>> response.xpath("//script[contains(., 'Pl_Official_MyProfileFeed__24')]/text()").re(r'"html": "(.*?)"\n')
[0].strip()
u'<div class=\\"WB_feed WB_feed_v3\\" pageNum=\\"\\" node-type=\'feed_list\' module-type=\\"feed\\">\\r\\n..'

或者，您可以从脚本中提取完整的对象，并用 json加载它并获取 html值：

>>> import json
>>> data = response.xpath("//script[contains(., 'Pl_Official_MyProfileFeed__24')]/text()").re(r'(?ms)FM\.view\((\{.*?\})\)')[0]
>>> obj = json.loads(data)
>>> obj['html'].strip()
u'<div class="WB_feed WB_feed_v3" pageNum="" node-type=\'feed_list\' module-type="feed">\r\n....'

请注意正则表达式中的 (?ms)部分-这是我们设置标志（多行和dotall）的方式，该标志在这种情况下有效。