在 XPATH 中的 Javascript 中从对象中检索值答案

【问题标题】：Retrieve value from object in Javascript in XPATH在 XPATH 中的 Javascript 中从对象中检索值
【发布时间】：2018-05-14 06:20:06
【问题描述】：

我需要从 HTML 文件中提取信息。对于它们中的大多数，我只需要匹配特定 DOM 元素的内容或属性，因此我使用 XPATH 表达式，如 //a[@class="targeturl"]/@href 和命令行工具 xidel。

在另一批文件中，我想要的信息在 script 中，并不那么容易获得：

<html>
<head><!-- ... --></head>
<body>
    ...
    <script>
        ...
        var o = {
            "numeric": 1234,
            "target": "TARGET",
            "urls": "http://example.com",
            // Commented pair "strings": "...",
            "arrays": [
               {
                  "more": true
               }
               ,
               { 
                  "itgoeson": true
               }
            ]
        };
    </script>
    ...
</body>
</html>

请注意，包含我要获取的值的对象不是有效的 JSON。但是，它似乎尊重每行一个键值对。

我可以将什么传递给xidel --xpath "???" 以获得这个TARGET？

我用 XPATH 函数尝试了不同的东西，但是如果没有管道到其他命令，我无法找到解决方案（match 告诉我是/否，replace 逐行工作......等等）。

【问题讨论】：

标签： html xpath xidel

【解决方案1】：

我可以将什么传递给xidel --xpath "???" 来获得这个TARGET？

由于var o实际上是JSON，我建议你这样对待：

-e "json(
      //script/extract(
        .,
        'var o = (.+);',
        1,'s'
      )[.]
    )/target"

从<script> 元素节点中提取{"field1": 1234, "target": "TARGET", "morefields": "..."}（json 包含几行，所以不要忘记's' 正则表达式标志）。
通过包裹json()（或//script/...[.] ! json(.)）将输出解释为json并选择target属性。

[编辑]
要删除 cmets（以 // 开头）：

-e "json(
      //script/replace(
        extract(
          .,
          'var o = (.+);',
          1,'s'
        )[.],
        '\s+//.+',
        ''
      )
    )/target"

不是最漂亮的查询，但它有效。
[/edit]

【讨论】：

> 既然 var o 实际上是 JSON，我建议你这样对待它可悲的是，真正的文件并没有真正的 valid JSON 和 @ 987654334@ 解析失败。不过，不错的方法，完整，详细的答案。
那你的这个真实文件到底长什么样子？我之前处理过无效的 JSON。
这个有注释行。毕竟它是 JavaScript，我不能确定其他批次是否会有不带引号的键或其他有问题的语法。我正在用更具代表性的样本更新问题。

【解决方案2】：

尝试在XPath下面实现：

substring-before(substring-after(//script, '"target": '), ",")

【讨论】：