从HTML源码提取JSON并解析遇空页问题求助

首先，我一眼就看到你代码里的两个关键问题，咱们一步步来解决：

1. 核心错误：错误处理正则匹配结果 #

你现在把preg_match得到的数组用print_r转成字符串，再传给json_decode——这完全不对！preg_match匹配成功后，$json是一个数组，其中$json[0]才是真正匹配到的JSON字符串，你应该直接用这个值，而不是数组的打印文本。

2. 正则匹配到的JSON不完整 #

从你的调试结果看，匹配到的JSON少了末尾的}，这会导致json_decode解析失败（返回null）。咱们可以换一个更可靠的递归正则，确保能匹配完整的嵌套JSON结构。

修正后的完整代码 #

// 直接获取HTML内容，不需要htmlspecialchars，转义反而会干扰正则匹配
$whole_html = file_get_contents("http://example.com");

// 用带s修饰符的递归正则，确保匹配完整的JSON（包括跨多行的情况）
preg_match('/\{(?:[^{}]|(?R))*\}/s', $whole_html, $json);

// 检查是否匹配到有效内容
if (!empty($json[0])) {
    // 直接使用匹配到的JSON字符串进行解析
    $json_decoded = json_decode($json[0], true);
    
    // 检查JSON解析是否成功
    if (json_last_error() === JSON_ERROR_NONE) {
        // 现在可以正常访问字段了
        var_dump($json_decoded['customer']['email']); // 会输出null，因为原始JSON里email字段就是null
        var_dump($json_decoded['customer']['is_eu']); // 会输出bool(true)
    } else {
        echo "JSON解析失败，错误信息：" . json_last_error_msg();
    }
} else {
    echo "未匹配到JSON内容";
}

额外注意事项 #

• 去掉了htmlspecialchars()：这个函数会转义HTML实体，反而可能破坏原始JSON的结构，影响正则匹配。
• 正则添加s修饰符：让.能匹配换行符，确保JSON跨多行时也能被完整匹配。
• 增加错误检查：用json_last_error()可以快速定位解析失败的原因，比如原始JSON本身存在语法错误（你提供的HTML片段里的JSON有个小问题：is_eu":true"多了一个双引号，正常应该是is_eu":true}，如果目标页面的JSON真的有这个错误，需要先修正或者处理）。

内容的提问来源于stack exchange，提问作者Mario