Javascript 有没有办法过滤html文档的数据？

我目前正在开发一个chrome扩展，它使用一个网站的html文档来提取数据，但是我需要制作一个过滤器来获得我想要的

在此尝试中，扩展获取页面的HTML并将其转换为字符串，以便可以轻松地对其进行操作：

//This method gets a string and counts how many times
//the word you're looking for its in the string
function countWordInAString(string, word) {
    return (string.match(new RegExp(word, "g")) || []).length;
}

function getOutlookData(html) {
    var unreaded = countWordInAString(html, 'no leídos');
    var readed = countWordInAString(html, 'leídos');
    var totalMails = countWordInAString(html, 'id="AQAAA1thnTQBAAAEA7R1mgAAAAA="');
    var message = totalMails + 'Mails loaded! \n Mails readed: ' + readed + '\n Mails unreaded: ' + unreaded;

    return message + '\n' + "HTML:\n" + html;
}

---

它在某些特定情况下有效，但对于模糊的网站（如本例中的outlook），结果是错误的。我能做些什么来改进它？

您的“单词”可能包含特殊字符。 当传递到正则表达式时，使用反斜杠对其进行编码 即

变成

id\=\"AQAAA1thnTQBAAAEA7R1mgAAAAA\=\"

---

您要求我们解析我们看不到的html。如果没有一个被解析的html，没有人能提供很多帮助。这是chrome标签加载的页面中的html，扩展得到了它，然后被转换成一个字符串以供灵活使用。正如第一条评论所说的，我们需要看到有问题的html，但问题很明显：处理html以分析其文本通常不起作用。您需要处理页面的

document.body.innerText

。要分析属性，需要在DOM而不是HTML上使用诸如querySelectorAll之类的DOM方法。您可以在内容脚本中完成，也可以使用DOMParser API在后台脚本中重建DOM。谢谢，我非常感谢！

id="AQAAA1thnTQBAAAEA7R1mgAAAAA="

id\=\"AQAAA1thnTQBAAAEA7R1mgAAAAA\=\"