使用Regex与PHP从HTML中提取JavaScript对象的问题

我明白你遇到的困扰了——当HTML里的JS代码带有换行时，你写的正则就抓不到完整的DATA.tracking.user对象了。这其实是正则默认行为导致的小问题，咱们一步步解决它：

问题根源 #

你用的正则DATA.tracking.user=(.*?)}里，.这个元字符默认不匹配换行符。一旦目标内容里出现换行，.*?就会在换行处停止匹配，自然拿不到完整的对象内容。

两种可行的解决方案 #

方案1：启用DOTALL模式（PHP正则的s修饰符） #

在PHP正则表达式末尾加上s修饰符，就能让.匹配包括换行在内的所有字符。修改后的正则和PHP代码如下：

<?php
$html = '<script> DATA.tracking.user = { age: "19", name: "John doe" } </script>';
// 加上s修饰符，让.匹配换行
$re = '/DATA.tracking.user=(.*?)}/s';
preg_match($re, $html, $matches);
if (!empty($matches[1])) {
    // 去除多余空格后补全对象闭合符
    $userData = trim($matches[1]) . '}';
    echo $userData;
}

方案2：用[\s\S]*?替代.*? #

如果你不想依赖修饰符，可以用[\s\S]这个字符集（它包含所有空白字符和非空白字符，自然覆盖换行）来替换.*?，这样不用加修饰符也能跨换行匹配：

<?php
$html = '<script> DATA.tracking.user = { age: "19", name: "John doe" } </script>';
$re = '/DATA.tracking.user=([\s\S]*?)}/';
preg_match($re, $html, $matches);
if (!empty($matches[1])) {
    $userData = trim($matches[1]) . '}';
    echo $userData;
}

额外提醒 #

虽然正则能解决简单场景，但如果你的DATA.tracking.user对象是嵌套结构，或者字符串里包含}字符，正则可能会匹配出错。这种情况下更靠谱的做法是：

• 先用DOM解析器定位到对应的<script>标签内容
• 再用JavaScript引擎（比如PHP的V8JS扩展）或者将内容转换为JSON格式后用json_decode解析（注意要把JS对象的属性名改成双引号，符合JSON规范）

内容的提问来源于stack exchange，提问作者Jrad51