我目前正在使用一个自动化框架，该框架将网页拉下以进行分析，然后将其呈现为字符串以进行处理。 Rhino Javascript 引擎可用于协助解析返回的网页。
似乎如果字符串（这是一个完整的网页）可以加载到 DOM 表示中，它将为解析和分析内容提供一个非常好的接口。
仅使用 Javascript，这是一个可能和/或可行的概念吗？
编辑：
我将分解问题以澄清：假设我在 javascript 中有一个包含 html 的字符串，如下所示：
var $mywebpage = '<!DOCTYPE HTML PUB ...//snipped//... </body></html>';
以某种方式将其加载到 dom 对象中是否可能/现实？
【问题讨论】：
document.body.innerHTML="string"
标签： javascript dom web-crawler rhino web-scraping
我接受 JonDavidJohn 的回答，因为它对解决我的问题很有用，我想包括这个额外的答案，以供将来可能会看到这个问题的其他人使用。
看起来，虽然 Javascript 允许将 html 字符串加载到 DOM 元素中，但 DOM 不是核心 ECMAScript 的一部分，因此在 Rhino 下运行的脚本不可用。
作为一个值得一提的旁注，在 Rhino 1.6 中实现的一个很好的替代方案是 E4X。虽然不是 DOM 实现，但它确实提供了概念上相似的功能。
【讨论】：
如果文档是 XHTML，您可以使用任何 XML 解析器对其进行解析。 E4X 可能会很好地完成这项工作，内置的 Java XML 解析接口也是如此。
env.js 库旨在模拟 Rhino 下的浏览器环境，但我相信您的文档也需要兼容 XHTML：
http://ejohn.org/blog/bringing-the-browser-to-the-server/
然而，如果它是 HTML，那就更难了，因为浏览器被设计成对如何解析标记非常宽松。请参阅此处以获取 Java 中的 HTML 解析器列表：
http://java-source.net/open-source/html-parsers
这不是一个容易解决的问题。人们甚至通过 JNI 将 Mozilla Gecko 引擎嵌入到 Java 中，以便使用其解析功能。
我建议您研究以下纯 Java 项目：
http://lobobrowser.org/cobra.jsp
Lobo 项目的目标是开发纯 Java 网络浏览器。这是一个非常有趣的项目，其中有很多，但我相信您可以在自己的应用程序中非常轻松地独立使用解析器，如下面的链接所述：
【讨论】：
如果你有这个包含 html 的变量，你可以将它加载到一个 DOM 对象中，例如，通过 id。
var mywebpage = '<!DOCTYPE HTML PUB ...//snipped//... </body></html>';
element = document.getElementById('dom-id'); //<-- element you are loading it into.
element.innerHTML = mywebpage;
【讨论】：