Fatal编程技术网
  • jquery/
  • 使用jQuery刮取HTML文档，可能吗？

使用jQuery刮取HTML文档，可能吗？

jquery html parsing xpath

使用jQuery刮取HTML文档，可能吗？,jquery,html,parsing,xpath,Jquery,Html,Parsing,Xpath,我希望能够抓取一个HTML页面并仅使用Javascript解析它，而不涉及服务器 假设我可以得到html响应（解决了跨域问题），我如何在完整的html文档上使用jQuery 示例如下（）： 要分析子级的父页 $（文档）.ready（函数（）{ //数据如下所示： var html=“” html+='' html+='' html+='' html+=“要分析的子页” html+='' html+='' html+='' html+='' html+='' html+=“警报（“im java

我希望能够抓取一个HTML页面并仅使用Javascript解析它，而不涉及服务器

假设我可以得到html响应（解决了跨域问题），我如何在完整的html文档上使用jQuery

示例如下（）：


要分析子级的父页
$（文档）.ready（函数（）{
//数据如下所示：
var html=“”
html+=''
html+=''
html+=''
html+=“要分析的子页”
html+=''
html+=''
html+=''
html+=''
html+=''
html+=“警报（“im javascript”）；”
html+=“setTimeout（函数（）{”
html+='$（“body”）.css（“背景色”，“#ffaaa”）'
html+='}，400）；'
html+=''
html+=''
html+=''
html+=''
//这很好：
//$（“#parent_div”）.append（html）；
//$（“儿童部”）
//.宽度（100）
//.身高（100）
//.css（“背景色”、“黄色”）
//.append（“子文本”
”；
//…但那不是我想要做的。。。
//原因是：我不想将此子html页面添加到dom。。。
//我只是想从中获取数据。。。
//我想这样做，但每种情况下我都会得到空值：
var meta=$（html）.find（“meta”）；
警报（meta.html（））；
var title=$（html）.find（“title”）；
警报（title.html（））；
});
问题是，
var child_body=$（数据）没有给我任何东西。我不确定应该如何使用jQuery遍历这个完整的html文档。我已经尝试删除
标记，但效果不大

这样的事情可能吗

我一直在胡闹，但这还不足以说明问题


有更合适的XPathJavaScript库吗？
如果您有一些HTML标记作为javascript字符串，您可以将其交给jQuery并对其进行解析


var tagSoup = '<html><head>.and so on..</html>';

var tag$ = $(tagSoup);

var someValue = tag$.find('#someId).val();



var tagSoup='.等等..'；
变量标记$=$（标记）；
var someValue=tag$.find（'#someId）.val（）；

使用一个？您可能仍然需要对得到的文本进行futz处理，但您至少已经将解析工作卸载到了浏览器上，希望浏览器知道它在做什么。它也不在页面的DOM中。
问题不完全在于jQuery，而在于浏览器
.innerHTML
实现中的差异。不同的浏览器以不同的方式处理此问题，例如在Opera中，您的示例运行良好，Firefox可以进行调整，在IE8中，它一半可以进行调整，而Chrome每次都可以进行调整

这一切都是关于他们如何处理
.innerHTML
调用的，这是什么时候发生的

，以及一些浏览器的结果：



Chrome 6（运行
警报（）
，几乎去除所有内容）：


    

  • 结果:

      

    • $（html）.filter（“meta”）.attr（“name”）
      ：“关键字”
      • 

    • 已被剥离
      • 

    • 




Firefox 3.6（运行
警报（）
，保留
内容，但再次作为顶级元素，）：


    

  • 结果:

      

    • $（html）.find（“meta”）.attr（“name”）
      ：“关键字”
      • 

    • $（html）.find（“title”）.html（）
      ：“要分析的子页”
      • 

    • 




因此，问题不在于jQuery本身，而在于不同浏览器在
.innerHTML
方法中做了什么，以去除它们想要的内容。这使得解析
中的任何内容都特别不可靠，请注意，当它被保留时，它可能是顶级元素，也可能不是顶级元素，例如
$（html）。长度将有所不同

我想说你有两种选择，但这两种选择都不太吸引人：


    

  • 通过服务器端呼叫发出请求，它会得到您想要的信息
    • 

  • 自己解析HTML，但在该部门jQuery不会给您带来太多好处
    • 



很抱歉，答案很糟糕，但除非您自己解析，否则跨浏览器问题似乎将成为这里的杀手，并使jQuery几乎毫无用处。
如果您提醒
数据
您会得到什么？很可能，
是主标记，您需要
$（数据）。过滤（'body'）
然后获取其内容。警报“data”为我提供了一个原始输出字符串，如注释中所示。这里有几件事，您插入的
未关闭，第二件事……您的目标是什么？这是一个实际的例子，还是您只是希望能够运行一些JavaScript？如果是这样的话，使用的另一种方法似乎更适合您的需要。@Nick，我想从一个完整的HTML文档中获取数据。既然我可以以字符串的形式获取HTML页面，那么如何使用jQuery将其删除，而不将其添加到DOM中呢。我添加了2个示例的要点，并更新了上面的示例，使其生效。他已经在这样做了，
$（html）
创建了一个文档片段：）不知道这一点。谢谢你的信息！

var tagSoup = '<html><head>.and so on..</html>';

var tag$ = $(tagSoup);

var someValue = tag$.find('#someId).val();



<div id="child_div"></div>



<META name=keywords content="parent, html, parsing">
<DIV id=child_div></DIV>



<title>Sub Page to Parse</title>
<meta name="keywords" content="parent, html, parsing">
<div id="child_div"></div> 



<head> 
  <title>Sub Page to Parse</title>
  <meta name="keywords" content="parent, html, parsing"> 
</head> 
<div id="child_div"></div>