通过 curl 访问的 Google 计算器正在返回 JSON。Google 正在使用 \xHH 表示法,因为这是 JSON 的标准。如果输出被发送到浏览器(或任何其他解析 HTML)而不是标准输出,则只需要一个好的 JSON 解码器。
让我们看看我们可以从命令行做什么来解析 JSON。
echo -en $(curl -s 'http://www.google.com/ig/calculator?hl=en&q=4^22') > ~/temp.html
这为我们提供了可以通过浏览器查看的有效 HTML,但我们需要将所有内容简化为可以通过标准输出显示的内容。
echo -en "$(curl -s --connect-timeout 10 "http://www.google.com/ig/calculator?hl=en&q=2%20m%20in%20feet")" | sed -e 's/<sup>/ &/g' -e :a -e 's/<[^>]*>//g;/</N;//ba' | perl -MHTML::Entities -ne 'print decode_entities($_)' | iconv -f ISO-8859-1 -t UTF-8
对于 echo 命令,-e 解释转义符,例如 \x3e、\x3c 和 \x26(分别为 <、> 和 &),而 -n 抑制 echo 通常会添加的换行符。
sed 的管道在所有(上标)标记之前添加一个空格,然后删除所有 HTML 标记。
然后到 perl 的管道解码所有 HTML 实体,例如 ⁄ 到 ⁄(分数斜线)。
http://en.wikipedia.org/wiki/Html_special_characters#Character_entity_references_in_HTML
iconv 的管道将 ISO-8859-1 输出转换为预期的 UTF-8。这是最后完成的,因为 perl 行可以生成需要正确转换的 UTF-8 实体。
这仍然存在区分分数和指数的问题(47/64,其中 47 包含在上标标签中,64 包含在下标标签中,10^13 ,其中 13 包含在上标标签中)。
我们可能会变得非常愚蠢,并制作一个非常长的 sed 行来解析所有特殊字符(以下是 AppleScript 中的,因此您可以看到语法变得多么荒谬):
set jsonResponse to do shell script "curl " & queryURL & " | sed -e 's/[†]/,/g' -e 's/\\\\x26#215;/*/g' -e 's/\\\\x26#188;/ 1\\/4/g' -e 's/\\\\x26#189;/ 1\\/2/g' -e 's/\\\\x26#190;/ 3\\/4/g' -e 's/\\\\x26#8539;/ 1\\/8/g' -e 's/\\\\x26#8540;/ 3\\/8/g' -e 's/\\\\x26#8541;/ 5\\/8/g' -e 's/\\\\x26#8542;/ 7\\/8/g' -e 's/\\\\x3csup\\\\x3e\\([0-9]*\\)\\\\x3c\\/sup\\\\x3e\\\\x26#8260;\\\\x3csub\\\\x3e\\([0-9]*\\)\\\\x3c\\/sub\\\\x3e/ \\1\\/\\2/g' -e 's/\\\\x3csup\\\\x3e\\([0-9]*\\)\\\\x3c\\/sup\\\\x3e/^\\1/' -e 's/( /(/g'"
†(匕首)字符在 MacRoman 集(Macintosh 编码)中是十进制的 160。在十六进制中,这是 0xA0 或 \xA0 并以 UTF-8 编码编码为非中断空间,这是谷歌正在传递的。所以在 AppleScript 中,为了替换 UTF-8 中的非中断空格,由于 Macintosh 编码,我们必须使用 †(匕首)。
sed 行还处理几个特殊的分数符号:http:
//tlt.its.psu.edu/suggestions/international/bylanguage/mathchart.html#fractions
这个故事的寓意是,在处理 JSON 时,只需使用一个好的 JSON 解析器。
一个子道德是:不要使用 AppleScript 来处理 JSON。