Javascript 正在寻找一种使用JS刮取HTML的方法

正如标题所示，我正在寻找一种从网页中删除所有HTML的简单方法。可能将其存储在字符串中，然后在该字符串中导航以提取所需的元素

具体地说，我想清理我的twitter页面，并在一个新的div中显示我的个人资料图片。我知道有几种工具可以做到这一点，但我希望任何人都能提供一些代码示例或建议，让我自己来做这件事

非常感谢

更新

---

在得到T.J.Crowder非常有用的回复后，我在网上进行了更多的搜索，并找到了这个答案。

理论上，这很容易。您只需执行一个ajax调用来获取页面的文本，然后使用jQuery将其转换为一个断开连接的DOM，然后使用所有常用的jQuery工具来查找和提取您需要的内容

$.ajax({
    url:     "http://example.com/some/path",
    success: function(html) {
        var tree = $(html);
        var imgsrc = tree.find("img.some-class").attr("src");
        if (imgsrc) {
            // ...add the image to your page
        }
    }
});

但是它不太可能工作，因为它阻止了跨源ajax调用。某些网站可能有开放政策，但大多数不会，当然也支持IE8和IE9上的COR

---

因此，要对不允许您通过CORS进行源站访问的站点执行此操作，必须有一个服务器参与。它可以是您的服务器，您可以使用服务器端代码获取所需页面的文本，然后通过ajax将其发送到页面（或者在首次呈现页面时将所需的位构建到页面中）。所有常用的服务器端堆栈（PHP、Node、ASP.Net、JVM等）都具有抓取网页的能力。或者，在某些情况下，您可以使用他们的服务器，而不是您自己的服务器。

理论上，这很容易。您只需执行一个ajax调用来获取页面的文本，然后使用jQuery将其转换为一个断开连接的DOM，然后使用所有常用的jQuery工具来查找和提取您需要的内容

$.ajax({
    url:     "http://example.com/some/path",
    success: function(html) {
        var tree = $(html);
        var imgsrc = tree.find("img.some-class").attr("src");
        if (imgsrc) {
            // ...add the image to your page
        }
    }
});

但是它不太可能工作，因为它阻止了跨源ajax调用。某些网站可能有开放政策，但大多数不会，当然也支持IE8和IE9上的COR

---

因此，要对不允许您通过CORS进行源站访问的站点执行此操作，必须有一个服务器参与。它可以是您的服务器，您可以使用服务器端代码获取所需页面的文本，然后通过ajax将其发送到页面（或者在首次呈现页面时将所需的位构建到页面中）。所有常用的服务器端堆栈（PHP、Node、ASP.Net、JVM等）都具有抓取网页的能力。或者，在某些情况下，您可以使用他们的服务器，而不是您自己的服务器。

感谢您提供了信息丰富的答案！真的很感激！和代码片段。我想我的下一步是Node.js。但是，如果我登录到服务器，根据这个wiki页面，我没有违反跨源策略？@prole:“origin”是协议、端口和主机的组合。因此，您可以使用同一主机，但仍在进行跨源调用。但这是否意味着我已登录到另一台服务器<代码>http://username:password@www.example.com/dir2/other.htmlhanks获取信息性答案！真的很感激！和代码片段。我想我的下一步是Node.js。但是，如果我登录到服务器，根据这个wiki页面，我没有违反跨源策略？@prole:“origin”是协议、端口和主机的组合。因此，您可以使用同一主机，但仍在进行跨源调用。但这是否意味着我已登录到另一台服务器<代码>http://username:password@www.example.com/dir2/other.html