从标签中提取 URL

Question

我希望通过包含该元素的 HTML 请求进行解析：

<img src="https://pbs.twimg.com/media/...." alt="Embedded image permalink"</a>

尝试获取img src 标签。我想要的只是 URL。

在这一点上，我可能太过分了。使用 Request 和 Cheerio 尝试完成此操作。

在我尝试过的 20 种不同方法中，这是我当前的代码。

var dummy;
request('http://t.co/....', function (error, response, body) {
  if (!error && response.statusCode == 200) {
    $ = cheerio.load(response.body);
    dummy = $('img[alt=Embedded image permalink]').attr('html');
    console.dir(dummy);
  }
}

我收到错误消息：

selector = selector.substr(data[0].length);
TypeError: Cannot read property '0' of null

正如我所说，这可能过于复杂了。最简单（或只是实用）的方法是什么？

Answer 1

所以，如果我理解正确，您想在一串文本中紧跟src 字符串后减去url？

你为什么不把所有的文本都放在一个变量中，然后再拆分它呢？

例如：

    var arrayOfElements = $("#txt").val().split("src=");
    var replacing = arrayOfElements[1].replace(/"/g, "'");
    var url = replacing.split("'");

    //You can now access the element by using url[1]

您可以看到一个工作示例HERE。祝你好运！

Answer 2

使用正则表达式！

这样的事情应该可以解决问题：

html.match(/<img [^>]*src="([^"]*)"/g)

在此处查看工作示例：http://www.rubular.com/r/f89Y9fHGtN（注意：Ruby 正则表达式与 JS 正则表达式有点不同，但我不知道后者有这么酷的工具。）

 

---

正则表达式解释：

<img - 这匹配标签的开头。

[^>]* - 有点棘手。这消除了src 参数（例如alt 参数）前面的内容。当参数中有 > 字符时，此版本失败，这可能不应该发生。您可以尝试将此部分替换为 .*，这在这种情况下会起作用，另一方面，当参数值以 src= 结尾时会失败。

src=" - 这会找到 src 参数。

([^"]*) - 捕获里面的 URL。

" - 找到值的结尾。

 

有些人在遇到问题时会想“我知道，我会使用正则表达式”。现在他们有两个问题。