PHP - file_get_contents 使用正则表达式获取 JSON，但无法 JSON 解码（获取 JSON_ERROR_SYNTAX）

Question

我尝试解析此页面：http://fr.hearthhead.com/cards 以获取 hearthstoneCards JS 变量。 所以我做了这样的事情：

$url = 'http://fr.hearthhead.com/cards';
$content = file_get_contents($url);
preg_match('#var hearthstoneCards = (.*)}]\;#Us', $content, $out);
$out = $out[1].'}]';
$tab_id_card = json_decode($out,true);

我尝试了我能找到的所有技巧（修剪、stripslashes、预置 BOM 和其他东西，在 json_decode 和许多其他东西上放置标志），但我没有得到这个工作。

如果我对 $out 变量进行 file_put_contents 并与真实源进行比较，则它是相同的（相同的长度）。如果我将字符串放在 JS 控制台上，我会得到数据。但是 PHP 不想解析这个 var :(

有人有想法吗？ :)

Answer 1

问题是您假设代码是 JSON，而实际上它是完全成熟的 JavaScript。在该代码中，属性名称 popularity 出现了许多未加引号的重复，这是很好的 JavaScript，但无效的 JSON。

我尝试构建一个正则表达式来修复任何未引用的属性名称。问题是，这是不可行的。就我而言，值中的任何冒号都破坏了我的正则表达式。

无需编写解析器来修复此类不符合项或调用 JS 解释器（这将需要诸如 V8Js 之类的外部依赖项），我认为您现在可以解决此特定情况：

$url = 'http://fr.hearthhead.com/cards';
$content = file_get_contents($url);
preg_match('#var hearthstoneCards = (.*)}]\;#Us', $content, $out);
$out = str_replace('popularity', '"popularity"', $out);
$out = $out[1].'}]';
$tab_id_card = json_decode($out,true);

如果您担心将来引入新的未引用属性，您可以检查 $tab_id_card 以获取 NULL 并在您经常检查的地方记录错误，甚至以某种方式为自己发出通知。虽然我会这样做，但我想说这不太可能发生，因为所有其他属性都被正确引用了。