使用 javascript 从页面中抓取某些链接

Question

这是我需要抓取的示例代码块：

<p>This paragraph contains <a href="http://twitter.com/chsweb" data-placement="below" rel="twipsy" target="_blank" data-original-title="Twitter">links to Twitter folks</a>, and <a href="http://twitter.com/blogcycle" data-placement="below" rel="twipsy" target="_blank" data-original-title="Twitter">more links to other Twitter folks</a>, but it also contains <a href="http://www.someOtherWebsiteHere.com">non-Twitter links too</a>.  How can I list only the Twitter links below?</p>

此脚本生成页面上每个 URL 的列表：

<script>
var allLinks = document.links;
for (var i=0; i<allLinks.length; i++) {
  document.write(allLinks[i].href+"<BR/>");
}
</script>

如何修改脚本以使其仅列出包含特定域的 URL，例如； twitter.com/?

这是一个演示页面： http://chsweb.me/OucTum

Answer 1

在现代浏览器上，您可以使用

轻松检索所有所需的链接

var twitter_links = document.querySelectorAll('a[href*="twitter.com"]');

使用.querySelectorAll() 在速度方面有点不利，但您可能不会注意到任何显着差异，并且与使用带有正则表达式的for 循环相比，它会使代码更易于阅读且更短。

Answer 2

以下会将所有 Twitter 链接放在 twitter_links 数组中：

var twitter_links = [ ],
    links = document.getElementsByTagName('a');
for(var i in links)
{
    if(/twitter.com/i.exec(links[i].href))
    {
        twitter_links.push(links[i]);
    }
}

这是给你的 jsFiddle > http://jsfiddle.net/Pv8DH/

Answer 3

您可以在链接元素上使用window.location 属性来提取href 的不同部分。 f.ex:

var link = allLinks[i];
if ( /twitter\.com/.test( link.hostname ) ) {
    document.write(link.href+"<BR/>");
}

您的代码的另一个问题：如果您在 for 循环中使用 document.write，它将有效地清空链接集合，因为它们只是对当前文档中存在的链接的引用。所以它永远不会超过第一个链接。将它们收集在一个数组中：

var links = [];
for (var i=0; i<allLinks.length; i++) {
    var link = allLinks[i];
    if ( /twitter\.com/.test( link.hostname ) ) {
        links.push(link.href);
    }
}

document.write(links.join('<br>'));

演示：http://jsfiddle.net/3xub6/

Answer 4

原文：无法在演示页面上运行 (Sample 6)

<script>
if (allLinks[i].href.match("twitter\.com"))
{
     document.write(allLinks[i].href+"<BR/>");
}
</script>

已修订： 正在开发演示页面 (Sample 7)

<script>
var allLinks = document.links;
for (var i=0; i<allLinks.length; i++) {
      if (allLinks[i].href.match("twitter.com")) {
            document.write(allLinks[i].href+"<BR/>");
      }
}
</script>