如何使用Node.js解析此JSON？

Question

我正在嘗試在此處讀取<pre>元素內的JSON字符串：

http://nlp.stanford.edu:8080/corenlp/process?input=hello%20world&outputFormat=json

如果我用鼠標復制粘貼字符串，則可以JSON.parse() 。 但是，如果我以編程方式閱讀它，則會收到錯誤消息。

這是我的代碼：

var request = require('request'); // to make POST requests
var Entities = require('html-entities').AllHtmlEntities; // to decode the json string (i.e. get rid of nbsp and quot's)
var fs = require('fs')
// Set the headers
var headers = {
    'User-Agent': 'Super Agent/0.0.1',
    'Content-Type': 'application/x-www-form-urlencoded'
}

// Configure the request
var options = {
    url: 'http://nlp.stanford.edu:8080/corenlp/process',
    method: 'POST',
    headers: headers,
    form: {
        'input': 'hello world',
        'outputFormat': 'json'
    }
}

// Start the request
request(options, function(error, response, body) {
    if (!error && response.statusCode == 200) {
        // Print out the response body
        console.log("body: " + body)
        let cheerio = require('cheerio')
        let $ = cheerio.load(body)
        var inside = $('pre').text();
        inside = Entities.decode(inside.toString());
        //console.log("inside "+ inside);
        var obj = JSON.parse(inside);
        console.log(obj);
    }
})

但是我收到以下錯誤：

undefined:2
  "sentences": [
^

SyntaxError: Unexpected token   in JSON at position 2
    at JSON.parse (<anonymous>)

這是鏈接輸出的摘錄，即我想解析為obj ：

{
  "sentences": [
    {
      "index": "0",
...
    }
  ]
}

我怎么能JSON.parse()這樣的字符串？

謝謝，

Answer 1

最終答案

您顯示的輸出和錯誤都指出了在打開JSON括號后立即解析空格字符的問題。 我建議您刪除所有不在引號內的空格。

如下：

var obj = JSON.parse(str.replace(/(\\s+?(?={))|(^\\s+)|(\\r|\\n)|((?=[\\[:,])\\s+)/gm,''));

原始答案

我建議您刪除所有空格。

因此， var obj = JSON.parse(inside.replace(/\\s/g,'')); 應該管用

這是一個JSFiddle示例

編輯

更好： var obj = JSON.parse(str.replace(/(\\s+?(?={))|(^\\s+)|(\\r|\\n)|((?=[\\[:,])\\s+)/gm,'')); 將在引號內保留空格，因為“ parse”的值中包含空格

Answer 2

問題是所有這些  s。 這些代表不間斷的空格字符U+00A0 。 不幸的是， JSON.parse （正確地）使這些字符阻塞，因為JSON規范RFC 4627僅將常規空格（ U+0020 ），制表符和換行符視為空白。

您可以這樣做，可以用U+0020替換每個U+00A0 ，但是這也會影響字符串內部的不間斷空格，這是不理想的。

處理此類輸入數據的最佳方法是使用JSON解析庫，該庫更能容忍其他種類的空白字符。

---

您為什么不運行自己的CoreNLP副本 ？ 我想他們不希望您抓取服務器。