从html源中提取JSON数据以用于R中的jsonlite

我有数据方面的背景，刚刚开始抓取，所以如果我的网络标准和语言不符合要求，请原谅我

我试图从我使用的网站的javascript组件中获取一些数据。查看页面源代码时，我实际上可以在JSON格式的javascript函数调用中看到我需要的数据。例如，它看起来有点像这样

<script type="text/javascript">
    $(document).ready(function () {
         gameState = 4;
         atView.init("/Data/FieldView/20152220150142207",{"a":[{"co":true,"col:"Red"}],"b":false,...)
         meLine.init([{"c":100,"b":true,...)
</script>

$（文档）.ready（函数（）{
配子状态=4；
init（“/Data/FieldView/20152220150142207，{”a:[{“co”：true，“col:”Red“}]，“b”：false，…）
init（[{“c”：100，“b”：true，…）

现在，我只需要meLine.init中的JSON数据。如果我只将JSON数据物理复制/粘贴到一个文件中，那么我就可以使用R中的jsonlite将其转换为我需要的数据

---

但是，我不想复制/粘贴多个页面，所以我需要一种只提取这些数据的方法，而将其他所有内容都放在后面。我最初的想法是将html源代码保存到R，转换为文本，然后尝试使用regex匹配“meLine.init”(“，但这方面我没有什么进展。有人能提供一些帮助吗？

通常我会使用XML和xpath来解析html页面，但在这种情况下（因为您知道您要查找的确切结构），您可能可以直接用一些正则表达式来完成（这通常不是一个好主意）.不确定这是否能让你完全达到目标，但是

sub("[ ]+meLine.init\\((.+)\\)" , "\\1", 
    grep("meLine.init", readLines("file://test.html"), value=TRUE), 
    perl=TRUE)

---

将返回您正在查找的行，然后您可以使用

jsonlite

发挥您的魔力。方法是逐行阅读页面。grep the（希望如此）包含字符串

meLine.init

的单行，然后从中提取JSON字符串。替换

file://test.html

与您想要使用的URL一起使用

很好。就我所知，这确实完成了工作。感谢您的回复。我并没有对输出进行任何动态处理，只是存储并分析它，所以请跳令人遗憾的正则表达式问题对我影响不大。