解析某网站的API数据，该数据表面上以JSON形式返回，实际上像是人工直接拼接而成，如：

<?php
$chapters = ['第一章 开始', '第二章 过程', '第三章 结束'];
echo '[';
foreach ($chapters as $id => $name)
    echo '{"id":' . $id . ',"name":"' . $name . '"},';
echo ']';

[{"id":0,"name":"第一章 开始"},{"id":1,"name":"第二章 中间"},{"id":2,"name":"第三章 结束"},]

大部分时候问题不大（处理末尾逗号即可），但出错的时候是真的棘手。搜集了一些出错的例子（简化）：

[
    {"name": "第五卷:"世家"子弟"},         # 这种情况出现最多，没转义『"』
    {"name": "天下大乱（上）【\x06】"},    # 出现了 ASCII 0-31 的字符，json 规范是不允许的
    {"name": "\"小白兔\"少爷"},  # 转义了不该转义的字符
    {"name": "番外篇~\(≧▽≦)/~"},        # 同上
    {"name": "权力的Chun\药"},             # 同上
    {"name": 饮马江湖"},                   # 搞不明白这是怎么出现的。是标题含有“退格符”(\x08)，吃掉上一个『"』吗？
    {"name": style="color:Gray;"},         # ？？？
    {"name": ""},                          # 最后一项末尾不能有『,』
]

先求助万能虎，@老虎会游泳

有没有可能用正则规范它们

我觉得正则规范它们可能是开发/运行效率最高的一个

自己写解析器，怕又慢又不保证正确

去除末尾逗号的正则，我已经写了（前提是其他内容都是正确的）

模式：("(?:\\?.)*?")|,\s*([]}])
替换：\1\2

截取?

说起这个json,我原生js获取正常,拿这个uniapp写,搞了一天都没解析成,睡前搜到了几篇文章,明天看看

@20263，

• 截取啥？
• uniapp。。是小程序的吗？不支持JSON.parse()？

@无名啊，如果是合法的JS代码，在JS里可以用eval解析：

var obj = eval('return ' + json);

就能完成解析。

不要忘记JSON的全称：JavaScript Object Notation，JavaScript对象表示法。

合法的JSON一定是合法的JavaScript对象。

不合法的JSON，既然网站在用，那浏览器肯定能解析，所以通常也是合法的JavaScript对象。

@淡然，@20263，如果运行环境是浏览器JavaScript，并且不怕任意代码执行漏洞，那就使用eval解析嘛。发送给浏览器的看起来像JSON但实际不是的，都是JSON的前身：JavaScript对象表达式。

正是因为Web程序员都喜欢向前端输出JavaScript对象表达式来实现信息传递，所以有人对JavaScript对象表达式进行了规范，添加了语法限制，于是得到了我们如今使用的JSON：JavaScript对象表示法（JavaScript Object Notation）。

@20263，@无名啊，@淡然，当然对于引号不匹配这种问题，eval也无能为力，也只会得到错误。此时，如果想可靠地提取信息，可以考虑放弃格式分析，直接进行正则表达式内容匹配：

var json = `[
    {"name": "第五卷:"世家"子弟"},         # 这种情况出现最多，没转义『"』
    {"name": "天下大乱（上）【\x06】"},    # 出现了 ASCII 0-31 的字符，json 规范是不允许的
    {"name": "\"小白兔\"少爷"},  # 转义了不该转义的字符
    {"name": "番外篇~\(≧▽≦)/~"},        # 同上
    {"name": "权力的Chun\药"},             # 同上
    {"name": 饮马江湖"},                   # 搞不明白这是怎么出现的。是标题含有“退格符”(\x08)，吃掉上一个『"』吗？
    {"name": style="color:Gray;"},         # ？？？
    {"name": ""},                          # 最后一项末尾不能有『,』
]`;

var results = json.matchAll(/\{"name":\s*"?(.*?)"?\},/gm);

for (var obj of results) {
    console.log(obj[1]);
}

PHP版：

<?php
$json = <<<EOF
[
    {"name": "第五卷:"世家"子弟"},         # 这种情况出现最多，没转义『"』
    {"name": "天下大乱（上）【\x06】"},    # 出现了 ASCII 0-31 的字符，json 规范是不允许的
    {"name": "\&quot;小白兔\&quot;少爷"},  # 转义了不该转义的字符
    {"name": "番外篇~\(≧▽≦)/~"},        # 同上
    {"name": "权力的Chun\药"},             # 同上
    {"name": 饮马江湖"},                   # 搞不明白这是怎么出现的。是标题含有“退格符”(\x08)，吃掉上一个『"』吗？
    {"name": style="color:Gray;"},         # ？？？
    {"name": ""},                          # 最后一项末尾不能有『,』
]
EOF;

preg_match_all('/\{"name":\s*"?(.*?)"?\},/m', $json, $results, PREG_SET_ORDER);

foreach ($results as $obj) {
    echo $obj[1], "\n";
}

@幕后导演，@老虎会游泳，我改下措辞，这是某网站的APP客户端的API数据，应该不是在浏览器内解析的

上述例子的真实链接：

• http://indexinfo.cdn.bcebos.com/BookFiles/Html/421/420161/index.html
• http://indexinfo.cdn.bcebos.com/BookFiles/Html/545/544490/index.html
• http://indexinfo.cdn.bcebos.com/BookFiles/Html/382/381374/index.html
• http://indexinfo.cdn.bcebos.com/BookFiles/Html/73/72594/index.html
• http://indexinfo.cdn.bcebos.com/BookFiles/Html/229/228847/index.html
• http://indexinfo.cdn.bcebos.com/BookFiles/Html/168/167981/index.html
• http://indexinfo.cdn.bcebos.com/BookFiles/Html/24/23820/index.html

@无名啊，鉴于内容不是合法的JS代码（引号不匹配），所以正则表达式可能是最佳方案。

\{"name":\s*"?(.*?)"?\},

11楼和12楼的效果非常好。

https://regex101.com/

@无名啊，你的真实数据在name旁边还有其他字段，得修改一下正则表达式。

@老虎会游泳，直接提取name不太够，真实数据结构大概是：

• API结果信息
• 数据
  • 书本信息
    • 卷1信息
      • 章节1信息
      • 章节2信息
    • 卷2信息
      • ……

书本、卷、章节信息都希望得以保留（重新生成目录所需嘛）

@无名啊，顺便一提，你无法解析的时候，那个网站的客户端估计也是无法解析的，你可以去试试

@无名啊，所以，可以考虑采用社会工程学解决这个问题，向他们反馈app有Bug，让他们自己修复

@无名啊，name可以用正则表达式得到，其他字段当然也可以，只是表达式变得更复杂而已。