我想使用 JMeter 从网页中检索内容。
我要查找的数据位于 javascript 块中：
(...)
<map id="id1">
<script type="text/javascript">
var name="Lionel Richie";
var song="Hello";
var lyrics="Is it me you're looking for ?";
</script>
(...)
<script type="text/javascript">
var name="Waldo";
</script>
</map>
(...)
假设我想要name映射 id=id1 中脚本块内的变量值，
其中还有一个变量song。
我使用 XPath Extractor 来获取脚本内容（CSS/Jquery 不会获取 javascript 内容，因为它不是纯 HTML）：
.//map[@id='id1']/script[contains(.,'song')]
XPath 找不到数据，因为我的 HTML 很脏（一些缺少标签结尾的野东西等等......）所以我需要使用 Jtidy 清理它（使用“Tidy（容错解析器）”选项）
备注：
- 我不拥有我正在处理的网页。我必须处理这个可怕的 HTML。
- 网页中有很多maps元素，每个元素都有一个带有song变量的脚本：我不能直接使用正则表达式（据我所知）
问题 ：
问题是：我的 HTML 包含奇怪的国际字符wé hà bêêêê ...（是的，法语，对此感到抱歉）并且 Jtidy 无法正确处理这种特殊情况：错误 #205 StringIndexOutOfBoundsException while lexing script content
结果 Xpath 提取器失败了，我的整个测试计划都被卡住了。
我设计了一个自定义解决方案，但我发现它有点复杂。也许我可以更好地处理这个问题。
我的解决方案：
我使用tagsoup java库清理HTML输出并将其存储在一个JMeter变量中，然后通过Xpath处理（勾选“应用到”中的“JMeter变量”选项），最后我使用了一个正则表达式来让我的Lionel Richie的东西工作.. .
JMeter
|->HTTP Request
|->BeanShell PostProcessor->tagsoup > var RESPONSE
|->Xpath Extractor, Apply to var RESPONSE > var XPATH_OUTPUT
|->Regular Expression Extractor, Apply to var XPATH_OUTPUT
要让 tagoup 与 JMeter 一起工作，只需将 jar 放在 lib 目录中，然后使用 BeanShell PostProcessor。
使用的 BeanShell 代码：
import org.xml.sax.*;
import org.ccil.cowan.tagsoup.*;
// getting response data of previous sampler
String rep=prev.getResponseDataAsString();
XMLReader r = new Parser();
HTMLSchema theSchema = new HTMLSchema();
r.setProperty(Parser.schemaProperty, theSchema);
ByteArrayOutputStream outStream = new ByteArrayOutputStream();
Writer w = new OutputStreamWriter(outStream);
XMLWriter x = new XMLWriter(w);
x.setPrefix(theSchema.getURI(), "");
r.setContentHandler(x);
r.parse(new InputSource(new StringReader(rep)) );
String encodedRep=outStream.toString("UTF-8");
vars.put("RESPONSE", encodedRep);
