抓取html页面中的json数据

﹏ヽ暗。殇╰゛Y 2022-06-13 13:08 316阅读 0赞

遇见问题：

在开发爬虫时，我们有时需要抓取页面中的ajax的json数据。

解决方案：

采用正则表达式，高端大气上档次，重点是简洁，举个栗子：

html页面：

上面省去N行。。。。
    var userLogin = function(){
    		var jsonBean = {
        	number:"177***7495",
        	intLoginType:"4",
        	areaCode:"0471",
        	isBusinessCustType:"N",
        	identifyType:"B",
        	userLoginType:"4",
        	password:"",
        	randomPass:"",
        	noCheck:"N",
        	isSSOLogin:"Y",
        	sRand:"SSOLogin"
        	};
    下面省去N行。。。。

正则抓取数据：

public static void praseStr() {
            String html = Models.readTxtFile("E:\\tmpTxt\\test0703.html");
            String any ="[\\s\\S]*" ;//任何东西
            StringBuffer regex = new StringBuffer("");
            regex.append("(number.*)").append(any);//目标字段，下同
            regex.append("(intLoginType.*)").append(any);
            regex.append("(areaCode.*)").append(any);
            regex.append("(isBusinessCustType.*)").append(any);
            regex.append("(identifyType.*)").append(any);
            regex.append("(userLoginType.*)").append(any);
            regex.append("(password.*)").append(any);
            regex.append("(randomPass.*)").append(any);
            regex.append("(noCheck.*)").append(any);
            regex.append("(isSSOLogin.*)").append(any);
            regex.append("(sRand.*)").append(any);
            Pattern p = Pattern.compile(regex.toString());
            Matcher m = p.matcher(html);
            int countAll = m.groupCount();
            StringBuffer json = new StringBuffer("{");
            if(m.find())
            for (int i=1;i<=countAll;i++){
                json.append(m.group(i)) ;
            }
            System.out.println(json.append("}").toString() );
           
        }

抓取结果：

\{number:"177\*\*\*7495",intLoginType:"4",areaCode:"0471",isBusinessCustType:"N",identifyType:"B",userLoginType:"4",password:"",randomPass:"",noCheck:"N",isSSOLogin:"Y",sRand:"SSOLogin"\}