Uint8数组转HTML后解析script内嵌套JSON报错，求解决方法

我正在解析一个HTML文档的Uint8数组，文档内的script标签嵌套了需要解析的JSON数据，操作步骤如下：

1. 将数组转为文本：

data = Buffer.from(str).toString('utf8')

2. 提取script标签内的JSON字符串，得到类似内容：

... {"phrase":"Go to \"California\"","color":"red","html":"<div class=\"myclass\">Ok</div>"} ...

3. 用replace方法清理字符串：

data = data.replace(/\\"/g, "\"").replace(/\\/g, "")

处理后得到：

{"phrase":"Go to "California"","color":"red","html":"<div class="myclass">Ok</div>"}

尝试用JSON.parse()解析时，因属性值包含未转义的引号报错。想了解是否能用正则进一步处理，或者有合适的库推荐？目前正在使用Cheerio，也可借助该工具解决问题。

方法一：修正正则替换逻辑 #

你之前的替换错误删除了所有转义符，导致内部引号失去必要的转义。正确逻辑应该是先处理HTML实体转义，再保留JSON本身的转义规则：

// 先把HTML实体"转为普通引号
let cleanedData = data.replace(/"/g, '"');
// 尝试直接解析
try {
  const parsed = JSON.parse(cleanedData);
  console.log(parsed);
} catch (e) {
  // 针对多余的转义反斜杠做处理，只清除引号前的无效反斜杠
  cleanedData = cleanedData.replace(/\\(?=")/g, '');
  const parsed = JSON.parse(cleanedData);
  console.log(parsed);
}

方法二：Cheerio配合转义工具处理 #

利用Cheerio定位script标签，结合unescape-html处理HTML转义，再提取并修复JSON：

1. 安装依赖：

npm install unescape-html

2. 代码示例：

const cheerio = require('cheerio');
const unescape = require('unescape-html');

// 假设已将Uint8数组转为htmlText文本
const $ = cheerio.load(htmlText);
// 定位目标script标签（可根据id/内容特征筛选）
const scriptContent = $('script').text();

// 反转义HTML实体
const unescapedContent = unescape(scriptContent);
// 提取script内的JSON片段（匹配跨行内容）
const jsonMatch = unescapedContent.match(/\{.*\}/s);
if (jsonMatch) {
  try {
    const parsedJson = JSON.parse(jsonMatch[0]);
    console.log(parsedJson);
  } catch (e) {
    // 修复内部未转义的引号
    const fixedJson = jsonMatch[0].replace(/"([^"]*)"/g, (match, content) => {
      return `"${content.replace(/"/g, '\\"')}"`;
    });
    const parsedJson = JSON.parse(fixedJson);
    console.log(parsedJson);
  }
}

方法三：使用JSON修复库 #

如果正则处理复杂度高，可借助jsonrepair自动修复格式错误的JSON：

1. 安装依赖：

npm install jsonrepair

2. 代码示例：

const jsonrepair = require('jsonrepair');

// 传入有格式问题的JSON字符串
const brokenJson = '{"phrase":"Go to "California"","color":"red","html":"<div class="myclass">Ok</div>"}';
const fixedJson = jsonrepair(brokenJson);
const parsed = JSON.parse(fixedJson);
console.log(parsed);

内容的提问来源于stack exchange，提问作者good1492