如何用Cheerio提取script标签JSON中的指定字段？

直接按以下步骤操作就能拿到你要的price和currency字段：

• 定位目标script标签：利用标签的class和data属性精准匹配，避免误抓其他script标签
• 提取并清理文本内容：获取标签内的原始文本，去除多余的换行和空格，确保JSON格式合法
• 解析JSON字符串为对象：用JSON.parse()把清理后的文本转成可操作的JavaScript对象
• 提取目标字段：从对象中直接解构出需要的字段

完整代码示例 #

const cheerio = require('cheerio');
// 假设这是你抓取到的HTML内容
const html = `
<script type="application/json" class="js-react-on-rails-component" data-component-name="ItemPriceHeading">
  {
    "price":"29.0",
    "discountedPrice":null,
    "offerPrice":null,
    "totalPrice":"29.0",
    "currency":"PLN"
  }
</script>
`;

// 加载HTML
const $ = cheerio.load(html);

// 定位到目标script标签
const targetScript = $('script.js-react-on-rails-component[data-component-name="ItemPriceHeading"]');
// 提取并清理文本
const rawJson = targetScript.text().trim();

// 解析JSON并提取字段（加try-catch避免格式错误导致崩溃）
try {
  const priceInfo = JSON.parse(rawJson);
  const { price, currency } = priceInfo;
  console.log(`提取结果：价格=${price}，货币=${currency}`);
} catch (err) {
  console.error('JSON解析出错，请检查原始数据格式:', err);
}

关键说明 #

• 用trim()是因为原script标签内的JSON有大量换行和空格，直接解析可能报错
• 加上data-component-name的筛选条件，是为了确保只抓对应组件的script标签，避免页面中其他同class的标签干扰
• 包裹try-catch是防御性编程，防止页面结构变化或JSON格式异常导致代码崩溃

内容的提问来源于stack exchange，提问作者Max