为啥从 NOSCRIPT 中检索 html 会返回 htmlentities？

Posted 2023-05-07

【中文标题】为啥从 NOSCRIPT 中检索 html 会返回 htmlentities？

【英文标题】：Why does retrieving html from inside a NOSCRIPT return htmlentities?为什么从 NOSCRIPT 中检索 html 会返回 htmlentities？

【发布时间】：2010-10-24 02:43:22

【问题描述】：

考虑代码：

<noscript><div>FOO</div></noscript>

跑步

$('noscript').html();

返回<div>FOO</div>

但正在运行

$('noscript').text();

返回原始 html。

这与我的预期相反。有对此的解释吗？

【问题讨论】：

据我记忆，使用 text() 永远不会返回 HTML 标签。

【参考方案1】：

似乎存在一个 PhantomJS 错误，它似乎逃脱了 page.content 中 noscript 标记中的实体。此功能将使它们恢复到应有的形式。 S object 来自 npmjs.org 上的字符串包。

function fixNoScript(content) 
  var noscript = /<\s*noscript\s*>([^<]+)<\s*\/\s*noscript\s*>/ig;
  var matches = content.match(noscript);
  for ( var i = 0; match && i < matches.length; i++ ) 
    var decoded = S(matches[i]).decodeHTMLEntities().s;
    var index = content.indexOf(matches[i]);
    content = content.substring(0, index) + 
              decoded +
              content.substring(index + matches[i].length);

  
  return content;

【讨论】：

我不确定我是否提倡使用正则表达式来解决这个问题。在我看来，像 Cheerio 这样好的 HTML Parser 可能是更好的选择。

【参考方案2】：

这更像是 DOM 的怪癖而不是 jQuery 的怪癖：

$("<noscript><div>FOO</div></noscript>")[0].innerHTML == "&lt;div&gt;FOO&lt;/div&gt;"

$("<noscript><div>FOO</div></noscript>")[0].textContent == "<div>FOO</div>"

正如this answer 所解释的，基本上，此操作的行为并不一致。

【参考方案3】：

是的，这是完全不一致的，因为 htmlentities 被破坏了。 &copy 在 BOTH 函数中总是转换为版权字符。基本上应该有一个函数可以直接提取 html，而不进行任何转换。