用jsoup解析JavaScript

Question

在一个 HTML 页面中，我想获取一个 JavaScript 变量的值。
以下是 HTML 页面的片段：

<input id="hidval" value="" type="hidden"> 
<form method="post" style="padding: 0px;margin: 0px;" name="profile" autocomplete="off">
<input name="pqRjnA" id="pqRjnA" value="" type="hidden">
<script type="text/javascript">
    key="pqRjnA";
</script>

我的目标是使用jsoup从此页面读取变量key的值。
使用jsoup是否可能？如果可以，那么怎么做呢？

- ravi

---

你需要获取脚本内容，然后手动解析，或者看看是否可以使用Rhino从执行的JS片段中获取上下文。 - Dave Newton

@Reimeus：不是初始化的问题，可以在其他地方完成。这里是将某个值赋给变量“key”。 - ravi

添加了 kotlin 标签，因为一个类似的 Kotlin 问题被标记为重复，并与此问题链接。 - Mahozad

Answer 1

由于jsoup不是一个javascript库，您有两种解决方案：

A. 使用javascript库

• 优点：

  • 完整支持Javascript

• 缺点：

  • 需要额外的库/依赖项

B. 使用Jsoup + 手动解析

• 优点：

  • 无需额外的库
  • 足够简单任务

• 缺点：

  • 不如javascript库灵活

这是一个使用jsoup和一些"manual"代码获取key的示例：

Document doc = ...
Element script = doc.select("script").first(); // Get the script part


Pattern p = Pattern.compile("(?is)key=\"(.+?)\""); // Regex for the value of the key
Matcher m = p.matcher(script.html()); // you have to use html here and NOT text! Text will drop the 'key' part


while( m.find() )
{
    System.out.println(m.group()); // the whole key ('key = value')
    System.out.println(m.group(1)); // value only
}

输出（使用您的HTML部分）：

key="pqRjnA"
pqRjnA

- ollo

---

嘿，Jsoup + 手动解析是这个问题的很好的解决方案，但是当我将js变量用作数组时会出现错误。例如：keyArray = [1, 2, 3]，你能否给我提供解决方案？ - Anil Kumar Pandey

你可以使用这个正则表达式：(?s)(keyArray)\\s??=\\s??\\[(.*?)\\]。如果定义了两个组：第一组是变量名，第二组是值（在 [ ] 中的值）。 - ollo

如果我在脚本标签中有类似于 abc.xyz.init({requiredJsonObjectAsAnArgument}); 的内容，并且我只想解析 requiredJsonObjectAsAnArgument，你能为我提供适用的正则表达式吗？ - user79307

请尝试使用(?s)\\.init\\(\\{(.+?)\\}\\); - 第一组中包含requiredJsonObjectAsAnArgument作为必需的JSON对象参数。 - ollo

Answer 2

Kotlin问题被标记为重复，并指向了这个问题。
所以，这是我用Kotlin实现的方法：

val (key, value) = document
    .select("script")
    .map(Element::data)
    .first { "key" in it } // OR single { "key" in it }
    .split("=")
    .map(String::trim)
val pureValue = value.replace(Regex("""["';]"""), "")
println("$key::$pureValue") // key::pqRjnA

另一个版本：

val (key, value) = document
    .select("script")
    .first { Regex("""key\s*=\s*["'].*["'];""") in it.data() }
    .data()
    .split("=")
    .map { it.replace(Regex("""[\s"';]"""), "") }
println("$key::$value") // key::pqRjnA

脚注

要获取文档，您可以这样做：

从文件中：

val input = File("my-document.html")
val document = Jsoup.parse(input, "UTF-8")

从服务器中：

val document = Jsoup.connect("the/target/url")
    .userAgent("Mozilla")
    .get()

- Mahozad