NodeJS 和 Cheerio 网页抓取

Question

我做了一个应用程序，我在其中抓取了一个页面，在那个页面上我有一个这样的脚本

<script>
var myData = { Time: '10:46:29 am', car1: 'Volvo', car2: 'Ferarri', car3: 'VW' };
<script>

使用cheerio 和request 节点模块，我得到了脚本，但我需要得到car1、car2 和car3 的值。

request('http://my-url.com', function(error, response, body) {
    
    var $ = cheerio.load(body);
   
    var htmlData = $('body script').last().prev().html();
    console.log(data);  
        
});

我尝试使用JSON.parse(htmlData)，但收到以下错误SyntaxError: Unexpected token T。

有什么方法可以从脚本中解析 javascript，或者有人可以解释一下如何通过正则表达式获取 car1 和 car2 的值吗？

Answer 1

我建议先进行一系列字符串替换，然后再进行JSON.load，以获取 JavaScript 对象，如下所示

var data = "{ Time: '10:46:29 am', car1: 'Volvo', car2: 'Ferarri', car3: 'VW' };";
var obj = JSON.parse(data
  .replace(/((?:[A-Za-z_][\w\d])+):/g, '"$1":')
  .replace(/'/g, '"')
  .replace(/;\s*$/, ''));
console.log(obj.car1, obj.car2, obj.car3);
// Volvo Ferarri VW

这里，

.replace(/((?:[A-Za-z_][\w\d])+):/g, '"$1":')

将(?:[A-Za-z_][\w\d])+形式的所有匹配字符串替换为"包围的相同匹配字符串，后跟:，"$1":。

然后

.replace(/'/g, '"')

将所有' 替换为"（假设您的数据中没有'）。

然后

.replace(/;\s*$/, '')

将用空字符串替换;，后面是空格字符（基本上我们会删除它们）。

此时，字符串将如下所示

{ "Time": "Friday", "car1": "Volvo", "car2": "Ferarri", "car3": "VW" }

现在我们只需将其解析为 JSON 字符串，使用 JSON.parse 即可获取 JavaScript 对象。