正则提取的问题

Question

<script language='JavaScript' type='text/javascript'>
var author = "岑瑜";
if(author!=""){
document.write("<strong>作者：</strong>"+author);
}
</script>

我用curl获取的内容,里面有个作者是js生成的,请问如何正则获取那个岑瑜

Answer 1

直接/author \= \"(.*)\"\;$/m行么，或者可以使用一些库提取运行了js之后的页面，PHP的话有一个PHPv8的扩展可以实现这个功能。

Answer 2

/var author\s+=\s+"(\S*)"/

另外，如果做数据抓取，分析。建议使用 Ruby 或者 Python 的一些库，会事半功倍的。

Answer 3

正则匹配固然容易，但这事情不好这么玩儿。。。因为一旦代码稍作等效的修改（比如minify）那就死翘翘了。

恐怕比较可靠的方案是你需要动用浏览引擎，把页面渲染出来，真正模拟浏览器的动作，最后把DOM结构中的所有文本扒下来才算可靠。。

没试过，不过收藏了一个：http://www.seleniumhq.org/ 你可以去看看。

非API抓取，怎么都是个难，不要有任何不切实际的幻想。作好长期抗战的觉悟，随时准备对数据源的改变做出应对吧。