如何從我抓取的HTML頁面解析JavaScript對象？

Question

我想索引一個食譜食譜頁面，並且實際的食譜作爲一個對象存儲在頁面中的JavaScript中。

一個例子網址：http://www.dagbladet.no/mat/oppskrift/bakt-potet-med-romme-og-blamuggostdressing

如果我在瀏覽器中鍵入打開開發工具：

console.dir(food.recipeItem.title) 

我拿到冠軍回來：

"Bakt potet med rømme- og blåmuggostdressing" 

所有美好和花花公子，正是我需要的。但是，我怎樣才能獲得該腳本的位置並在Node.js應用程序中解析它？ Cheerio可能會幫助我找到劇本，但不會做更多的事情嗎？或者它會呢？我不知道該怎麼做，也不知道什麼是最符合計算效率的答案。或者最堅實。

Answer 1

這很容易，所有你需要做的是解析返回的HTML。 如果您檢查返回的HTML（查看源：http://www.dagbladet.no/mat/oppskrift/bakt-potet-med-romme-og-blamuggostdressing），您會發現一個腳本標記，其中包含您在幾個javascript變量中所需的所有信息。這些變量包含JSON數據。由於腳本直接硬編碼到HTML文檔中，並且不是通過XHR或類似軟件獲得的，因此解析HTML是實現此目的的唯一方法。

所以基本上你有這3個步驟：

發送HTTP GET請求the link above

2.解析HTML字符串通過使用一些庫（提取腳本標籤檢查this鏈接以決定使用哪個庫）。

3.解析javascript字符串（從第2步提取的腳本）以提取JSON數據。檢查UglifyJS 庫的Node.js