#javascript #php #regex #parsing
#javascript #php #регулярное выражение #синтаксический анализ
Вопрос:
Я получаю одну страницу html-кода с помощью phpQuery, а затем получаю приведенный ниже строковый код из тега script в head через php regex:
var BASE_DATA = {
userInfo: {
id: 0,
userName: 'no-needed',
avatarUrl: 'no-needed',
isPgc: false,
isOwner: false
},
headerInfo: {
id: 0,
isPgc: false,
userName: 'no-needed',
avatarUrl: 'no-needed',
isHomePage: false,
crumbTag: 'no-needed',
hasBar: true
},
articleInfo:
{
title: 'needed',
content: 'needed',
groupId: 'needed',
itemId: 'needed',
type: 1,
subInfo: {
isOriginal: false,
source: 'needed',
time: 'needed'
},
tagInfo: {
tags: [{"name":"no-needed 1"},{"name":"no-needed 2"},{"name":"no-needed 3"}],
groupId: 'no-needed',
itemId: 'no-needed',
repin: 0,
},
has_extern_link: 0,
coverImg: 'no-needed'
},
commentInfo:
{
groupId: 'no-needed',
itemId: 'no-needed',
comments_count: 151,
ban_comment: 0
},};
Я хочу преобразовать эту строку в массив php, например:
$base_data = array(
'articleInfo' => array(
'title' => 'needed',
'content' => 'needed',
'groupId' => 'needed',
'itemId' => 'needed',
'subInfo' => array(
'source' => 'needed',
'time' => 'needed',
),
));
или
$base_data = array(
'title' => 'needed',
'content' => 'needed',
'groupId' => 'needed',
'itemId' => 'needed',
'subInfo' => array(
'source' => 'needed',
'time' => 'needed',
),);
Я уже пробовал многими способами, такими как: json_decode, получение содержимого из фигурных скобок с помощью регулярного выражения php и функции preg_match_all.Но все они работают плохо.
Я пробовал два способа:
первый способ:
$json = str_ireplace(array('var BASE_DATA =', '};'), array('', '}'), $js);
json_decode($json, true);
второй способ:
preg_match_all('/{([^}] )}/', $js, $matches);
print_r($matches[1]);
или
preg_match_all('/articleInfo:s*{([^}] )}/', $script_text, $matches);
print_r($matches[1][0]);
Кажется, что он близок к завершению, но он по-прежнему выглядит неважно, мне нужно проанализировать строку в части articleInfo …. вот почему я опубликовал этот пост.
Я даже хотел использовать движок JavaScript V8, но…..
кто-нибудь знает лучший способ закончить это, пожалуйста?
Комментарии:
1. Если исходная строка содержит
var BASE_DATA =часть, вы не сможете ее json_decode, пока не удалите ее. Конечная запятая в конце также является проблемой, и она может жаловаться или не жаловаться на самую последнюю точку с запятой. Не уверен в этом отношении, насколько простителен json_decode.2. да, я уже обнаружил эту проблему, поэтому я уже пробовал с str_ireplace(array(‘var BASE_DATA =’, ‘};’), array(«, ‘}’), $js); но я знаю, что мне делать дальше. на самом деле, я также пробовал: preg_match_all(‘/{([^}] )}/’, $ js, $matches); Кажется, он близок к завершению, но все равно выглядит неважно, я должен проанализировать строку в части articleInfo …. вот почемуЯ опубликовал этот пост.
3. «Я уже пробовал многими способами» скажите…
4. @miken32 Я отредактировал, пожалуйста, проверьте
Ответ №1:
Мне пришлось переформатировать ваш JSON, который был недействительным (проверено на https://jsonlint.com /).
Я добровольно использовал несколько str_replace(), чтобы вы лучше понимали процесс, однако вы можете оптимизировать приведенный ниже код, сделав несколько замен одновременно в одном str_replace() .
Это работает:
<?php
$to_decode = "var BASE_DATA = {
userInfo: {
id: 0,
userName: 'no-needed',
avatarUrl: 'no-needed',
isPgc: false,
isOwner: false
},
headerInfo: {
id: 0,
isPgc: false,
userName: 'no-needed',
avatarUrl: 'no-needed',
isHomePage: false,
crumbTag: 'no-needed',
hasBar: true
},
articleInfo:
{
title: 'needed',
content: 'needed',
groupId: 'needed',
itemId: 'needed',
type: 1,
subInfo: {
isOriginal: false,
source: 'needed',
time: 'needed'
},
tagInfo: {
tags: [{"name":"no-needed 1"},{"name":"no-needed 2"},{"name":"no-needed 3"}],
groupId: 'no-needed',
itemId: 'no-needed',
repin: 0,
},
has_extern_link: 0,
coverImg: 'no-needed'
},
commentInfo:
{
groupId: 'no-needed',
itemId: 'no-needed',
comments_count: 151,
ban_comment: 0
},};";
/* Clean JSON and encapsulate in brackets */
$to_decode = str_replace('var BASE_DATA = {', '', $to_decode);
$to_decode = '{'.substr($to_decode, 0, -3).'}';
/* Remove spaces, tabs, new lines, etc. */
$to_decode = str_replace(' ', '', $to_decode);
$to_decode = str_replace("n", '', $to_decode);
$to_decode = str_replace("t", '', $to_decode);
$to_decode = str_replace("r", '', $to_decode);
/* Encapsulate keys with quotes */
$to_decode = preg_replace('/([a-z_] ):/ui', '"{$1}":', $to_decode);
$to_decode = str_replace('"{', '"', $to_decode);
$to_decode = str_replace('}"', '"', $to_decode);
$to_decode = str_replace(''', '"', $to_decode);
/* Remove unecessary trailing commas */
$to_decode = str_replace(',}', '}', $to_decode);
echo '<pre>';
var_dump(json_decode($to_decode));
Результат с использованием print_r :
(Я добавил true / false для ясности, в противном случае они будут отображаться только с использованием var_dump())
stdClass Object
(
[userInfo] => stdClass Object
(
[id] => 0
[userName] => no-needed
[avatarUrl] => no-needed
[isPgc] => false
[isOwner] => false
)
[headerInfo] => stdClass Object
(
[id] => 0
[isPgc] => false
[userName] => no-needed
[avatarUrl] => no-needed
[isHomePage] => false
[crumbTag] => no-needed
[hasBar] => true
)
[articleInfo] => stdClass Object
(
[title] => needed
[content] => needed
[groupId] => needed
[itemId] => needed
[type] => 1
[subInfo] => stdClass Object
(
[isOriginal] => false
[source] => needed
[time] => needed
)
[tagInfo] => stdClass Object
(
[tags] => Array
(
[0] => stdClass Object
(
[name] => no-needed1
)
[1] => stdClass Object
(
[name] => no-needed2
)
[2] => stdClass Object
(
[name] => no-needed3
)
)
[groupId] => no-needed
[itemId] => no-needed
[repin] => 0
)
[has_extern_link] => 0
[coverImg] => no-needed
)
[commentInfo] => stdClass Object
(
[groupId] => no-needed
[itemId] => no-needed
[comments_count] => 151
[ban_comment] => 0
)
)
Ответ №2:
спасибо @Bruno Leveque за вашу идею.
Я отредактировал ваш код, как показано ниже, чтобы он работал хорошо:
- Я изменил
$to_decode = str_replace(' ', '', $to_decode);на$to_decode = preg_replace('/[n| |s]{2,}/',' ',$to_decode);, это означает, что все 1 пробел будет изменен на 1 пробел. потому что иногда нам нужно пространство, например: content: ‘ - Я добавил
$to_decode = str_replace("'", '"', $to_decode);перед вашим комментарием код/* Encapsulate keys with quotes */ - изменено
$to_decode = preg_replace('/([a-z_] ):/ui', '"{$1}":', $to_decode);на$to_decode = preg_replace('/([a-z_] ): /ui', '"$1":', $to_decode);(там еще один пробел); и прокомментировал//$to_decode = str_replace('"{', '"', $to_decode);и//$to_decode = str_replace('}"', '"', $to_decode); - добавлен еще один код:
$to_decode = str_replace(", }", '}', $to_decode);
итак, мой окончательный код :
поскольку @Bruno Leveque не знает точного содержания «необходимо» и «не требуется», так что спасибо за идею.
кажется, это не идеальный способ….