如何使用Nokogiri和Ruby解析JavaScript

Question

我需要从网站解析数组。我要解析的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";

我使用如下代码获取了整个JavaScript：

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

是否有一种简单的方法可以解析所有变量？

Answer 1

如果我没看错，您正在尝试解析JavaScript并使用图像URL获取Ruby数组，是吗？

Nokogiri仅解析HTML / XML，因此您将需要一个不同的库；粗略的搜索会打开RKelly库，该库具有parse函数，该函数接受JavaScript字符串并返回解析树。

[一旦有了解析树，您将需要遍历它并按名称查找感兴趣的节点（例如_arPic），然后在分配的另一端获取字符串内容。

或者，如果不必太健壮（也可以不是），则可以使用正则表达式来搜索JavaScript：

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

可能是一个很好的入门正则表达式。

Answer 2

简单方法：

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

可以缩写为：

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