使用 Nokogiri 从脚本中提取变量值 - Ruby/Rails

Question

我有这段代码可以提取页面上的所有脚本。

full_url = URI.join(url, "/").to_s #https://www.example.com

doc = Nokogiri::HTML(URI.open(full_url))

doc.css('script').each do |script|
    puts script.content
end

效果很好，return页面上的所有脚本。但是，这使它变得比需要的更复杂，因为我只需要 1 个脚本，即带有 class“analytics”

的脚本

<script class="analytics">
</script>

但是我找不到一个好方法来通过 class 只隔离那个脚本，否则当我知道我需要的值在这个脚本中时，我必须循环遍历所有其他脚本。

现在我遇到的第二个问题是脚本中有一堆函数和 try/catches 等。其中我只需要这两行的值：

window.TEST.gameName = "pop1";
window.TEST.gameVersion = "1.1.2";

所以我只想 return 值“pop1”和“1.1.2”

window.TEST.gameName 和 window.TEST.gameVersion 只有 1 个实例，因此它们是唯一的。也许我使用 Nokogiri 使它过于复杂，我应该只使用正则表达式或者这种方式会更快吗？

我也不喜欢 Nokogiri，只是那似乎是最受欢迎的选择。

我尝试了一些使用 doc.at 和 doc.search 的变体，但我一直没有得到任何回报，所以我可能做错了。

Answer 1

css will take a CSS selector。 script.analytics 找到分析的脚本标签 class。

doc.css('script.analytics').each do |script|
    puts script.content
end

关于第二部分，window.TEST.gameName = "pop1";是Javascript。 Nokogiri 帮不了你。你需要一个 Javascript 解析器。

Answer 2

以 Schwern 的问题为基础并回答完整问题。

我用过

doc.css('script.analytics').each do |script|
    @script = script.content
end

这给了我大约一百行 javascript 的脚本，格式始终相同，只是值不同。

然后我做了：

game_name = @script.match(/window.TEST.gameName = "(.*?)";/m)[1].strip # returns pop1
game_version = @script.match(/window.TEST.gameVersion = "(.*?)";/m)[1].strip # returns 1.1.2

有更多更好的方法可以做到这一点，但这对我有用。

使用 Nokogiri 从脚本中提取变量值 - Ruby/Rails

Extracting variable value from script with Nokogiri - Ruby/Rails

ruby

ruby-on-rails

nokogiri