如何使用PHP提取HTML页面script标签内嵌的目标数组内容

实现方案 #

你已经通过DOM拿到了script标签的完整内容，接下来用正则匹配+内容转换即可完成提取，完整可运行代码如下：

<?php
$content = file_get_contents("test.html");

$dom = new DOMDocument();
@$dom->loadHTML($content);
$targetParamStr = '';
$targetArr = [];

foreach($dom->getElementsByTagName('script') as $script) {
    $scriptContent = $script->nodeValue;
    // 精准匹配SHOP.Purchase.buy方法的入参括号内容
    if (preg_match('/SHOP\.Purchase\.buy\((.*?)\)/', $scriptContent, $matches)) {
        $targetParamStr = $matches[1];
        // 可选：将参数字符串转为PHP数组
        // 把JS的单引号替换为JSON兼容的双引号，包裹成数组格式后解析
        $jsonFormat = '[' . str_replace("'", '"', $targetParamStr) . ']';
        $targetArr = json_decode($jsonFormat, true);
        break;
    }
}

// 输出测试
var_dump($targetParamStr); // 字符串形式的目标片段
var_dump($targetArr); // 解析完成的PHP数组
?>

逻辑说明 #

• 正则用非贪婪匹配.*?，保证只取SHOP.Purchase.buy后第一个闭合括号里的内容，不会误匹配后续代码
• 如果只需要你提到的字符串形式的目标片段，直接取$targetParamStr即可，不需要走后续转数组的逻辑
• 如果你的实际场景中JS参数包含转义单引号\'，只需要调整str_replace的替换规则适配即可，当前示例代码可直接运行适配你给出的HTML内容

内容的提问来源于stack exchange，提问作者Zoey Malkov