如何用Xidel的XPath提取HTML中JavaScript对象内的TARGET值？

刚好我之前也碰到过类似的场景，xidel自带的XPath扩展函数完全能搞定，不用额外管道grep或者jq这类工具，直接用一个XPath表达式就能提取目标值。

先明确场景示例 #

假设你的HTML里的script标签内容是这种每行一个键值对的非合法JSON结构：

核心XPath表达式 #

直接用这个表达式就能精准提取TARGET对应的值：

replace(
  tokenize(//script[contains(text(),'TARGET')]/text(), '\n')[contains(.,'TARGET')],
  '^\s*TARGET\s*:\s*["'']?([^"'',\s]+)["'']?\s*,?$',
  '$1'
)

拆解表达式逻辑 #

1. 定位目标Script标签：//script[contains(text(),'TARGET')]/text() —— 先找到包含TARGET关键字的script标签，取出它的文本内容
2. 按行分割文本：tokenize(..., '\n') —— 把script里的多行文本拆成单独的行节点集合
3. 筛选目标行：[contains(.,'TARGET')] —— 从行集合里挑出包含TARGET的那一行
4. 提取目标值：replace(..., 正则, '$1') —— 用正则匹配去掉冗余内容，只保留TARGET对应的值：
   • ^\s* 匹配行首的任意空格
   • TARGET\s*: 匹配TARGET关键字和后面的冒号（支持冒号前后有空格）
   • ["'']? 匹配可选的单/双引号（兼容带引号和不带引号的值）
   • ([^"'',\s]+) 捕获目标值（直到遇到引号、逗号或行尾空格）
   • \s*,?$ 匹配行尾的空格和可选的逗号
   • $1 替换为正则捕获到的目标值

实际命令示例 #

把表达式放到xidel命令里直接运行：

xidel --xpath 'replace(tokenize(//script[contains(text(),"TARGET")]/text(), "\n")[contains(.,"TARGET")], "^\\s*TARGET\\s*:\\s*["\'""]?([^"\'"",\\s]+)["\'""]?\\s*,?$", "$1")' your-html-file.html

特殊情况适配 #

如果你的TARGET值包含空格（比如TARGET: 'Hello World'），只需要把正则里的[^"'',\s]+改成[^"'',]+即可，这样就能匹配带空格的值了。

内容的提问来源于stack exchange，提问作者dmcontador