如何使用Nokogiri和Ruby解析JavaScript

Question

我需要从一个网站解析出一个数组。我想要解析的JavaScript部分如下所示：

_arPic[0] = "http://example.org/image1.jpg";
_arPic[1] = "http://example.org/image2.jpg";
_arPic[2] = "http://example.org/image3.jpg";
_arPic[3] = "http://example.org/image4.jpg";
_arPic[4] = "http://example.org/image5.jpg";
_arPic[5] = "http://example.org/image6.jpg";

我使用类似这样的代码来理解整个 JavaScript：

product_page = Nokogiri::HTML(open(full_url))    
product_page.css("div#main_column script")[0]

有没有一种简单的方法来解析所有的变量？

- nohayeye

Answer 1

如果我理解正确，您正在尝试解析JavaScript并获取带有图像URL的Ruby数组，是吗？

Nokogiri仅解析HTML/XML，因此您需要使用不同的库；粗略搜索出RKelly库，该库具有一个parse函数，它接受JavaScript字符串并返回解析树。

一旦您拥有解析树，您将需要遍历它并按名称（例如_arPic）查找感兴趣的节点，然后获取赋值的另一侧的字符串内容。

或者，如果它不必太强大（实际上不需要），则可以尝试使用正则表达式在JavaScript中进行搜索：

/^\s*_arPic\[\d\] = "(.+)";$/

可能是一个不错的正则表达式入门。

- Ron Warholic

Answer 2

简单的方法：

_arPic = URI.extract product_page.css("div#main_column script")[0].text

可以缩短为：

_arPic = URI.extract product_page.at("div#main_column script").text

- pguardiario