使用 JavaScript 解析 HTML答案

【问题标题】：Parsing HTML using JavaScript使用 JavaScript 解析 HTML
【发布时间】：2012-09-04 22:22:59
【问题描述】：

我正在处理一个页面，该页面需要从其他页面获取信息，然后在当前页面上显示部分信息/数据。

我有需要在字符串中解析的 HTML 源代码。我正在寻找一个可以帮助我轻松做到这一点的库。（我只需要提取特定的标签和它们包含的文本） HTML 格式正确（所有结束/结束标记都存在）。

我查看了一些选项，但由于各种原因，它们都非常难以使用。

我尝试了以下解决方案：

因此，我正在寻找一个对用户更友好的图书馆或任何可以让我更好、更轻松、更高效地使用上述工具的东西（教程/书籍/参考资料/文档）。

理想的解决方案是 Python 中的 BeautifulSoup。

【问题讨论】：

您可以将它添加到 DOM，隐藏它，然后使用纯 js 或 jQuery 访问您的元素。那其实就是让浏览器帮你解析，用js遍历DOM。
我拥有的 HTML 是高度嵌套的（10-12 层深）并且缺少类、名称和 id 属性；即 getELementById 和类似的函数实际上是无用的。因此，以这种方式恢复所需的数据将是一件非常麻烦的事情。
自定义解析器如何解决这个问题？
嗯。看看 jquery 选择器。它应该足够强大。像“div p span”这样的东西会发现所有跨度都位于 div 内部而不是 p 内部。 "div>p>span" 会做同样的事情，但是现在 p 必须是 div 和 span 的直接子级 - 这种 p 的直接子级。 jquery 中还有很多其他有用的选择器/函数
@bfavaretto 我不能肯定地说自定义解析器会使工作更容易，但这是我尝试的第一种方法，而且非常耗时。我希望解析器能给我嵌套的字典，我可以更容易地循环。

【解决方案1】：

使用 jQuery，就像$(HTMLstring); 一样简单地创建一个带有来自其中字符串的 HTML 数据的 jQuery 对象（这个 DOM 将与您的文档断开连接）。从那里可以很容易地用它做任何你想做的事情——当然，遍历加载的数据是 jQuery 的小菜一碟。

【讨论】：

我不确定这是我的代码还是 HTML 本身的问题，但是当我尝试这个时我得到“错误：无效的 XML”。这是我使用的代码` htmlDoc = $.parseXML(pagetext);$html = $( htmldoc );$html.find("body");`
@Ayos：我猜这是因为您试图将一些无效的 XML 传递给 .parseXML。 pagetext的内容是什么？
该页面包含 HTML，头部带有 CSS，
直接试试var $html = $(pagetext)吧。

【解决方案2】：

你可以这样做：

$("string with html here").find("jquery selector")

$("string with html here") 这将创建一个文档片段并将一个 html 放入其中（基本上，它将解析您的 HTML）。 find 将搜索该文档片段中的元素（并且仅在其中）。同时不会放到页面DOM中

【讨论】：