PHP ganon如何阅读javascript

Question

我正在使用php ganon dom解析器抓取一些html页面，但我被困在需要从我的javascript的源码中读取一些javascript的地方。

<script type="text/javascript">
    Event.observe(window, 'load', function() {
        ig_lightbox_main_img=0;
ig_lightbox_img_sequence.push('http://someimageurl.com/image.jpg');
ig_lightbox_img_labels.push("Some text");
ig_lightbox_img_sequence.push('http://someimageurl.com/image2.jpg');
ig_lightbox_img_labels.push("Some text 2");
    });
</script>

我想从上面的脚本中读取url，该脚本将与页面的html一起使用，我现在已经使用了此代码

$html = str_get_dom('some page html here');
     foreach($html('.product-img-box script[type=text/javascript]') as $script){
     echo $script->html();
}

但这是行不通的。有关于如何阅读脚本的想法吗？

Answer 1

尝试在$html对象的字符串中使用引号将type=text/javascript括起来。

我看了一下here，他们有一个例子：

foreach($html('a[href ^= "http://"]') as $element) {
    $element->wrap('center');
}

我认为可能是/让它返回了错误的结果。

编辑

我之前被这个问题弄糊涂了，我认为问题是你不能在脚本中获得数据，这是因为你的选择器。无论如何，经过一些思考后，如果您有一个包含数据的脚本标记的字符串副本，只需在其上运行正则表达式即可。

下面是我测试的一个例子：

$string = "<script type=\"text/javascript\">
    Event.observe(window, 'load', function() {
        ig_lightbox_main_img=0;
ig_lightbox_img_sequence.push('http://someimageurl.com/image.jpg');
ig_lightbox_img_labels.push(\"Some text\");
ig_lightbox_img_sequence.push('http://someimageurl.com/image2.jpg');
ig_lightbox_img_labels.push(\"Some text 2\");
    });
</script>";

$regex = "/\b(?:(?:https?|ftp|file):\/\/|www\.|ftp\.)[-A-Za-z0-9+&@#\/%=~_|$?!:,.]*[A-Za-z0-9+&@#\/%=~_|$]/";

$results = array();

preg_match_all($regex,$string,$results);

var_dump($results);
//Result: array(1) { [0]=> array(2) { [0]=> string(33) "http://someimageurl.com/image.jpg" [1]=> string(34) "http://someimageurl.com/image2.jpg" } } 

$results中有从preg_match_all (Documentation)返回的URL数据。

如果它有帮助，一旦你有了网址，你可以在PHP中使用parse_url (Documentation)，它会将字符串网址拆分成一些更容易处理的东西。

注意:使用的正则表达式是一个非常简单的表达式，不会涵盖所有情况。正如 和 所说，很难得到一个完美的正则表达式。