如何从 response.body 获取节点中 '<img src=''>' 的绝对路径

Posted 2023-03-07

【中文标题】如何从 response.body 获取节点中 \'<img src=\'\'>\' 的绝对路径

【英文标题】：How do I get the absolute path for '<img src=''>' in node from the a response.body如何从 response.body 获取节点中 '<img src=''>' 的绝对路径

【发布时间】：2016-10-10 13:45:50

【问题描述】：

所以我想使用 request-promise 来拉取页面的正文。一旦我有了页面，我想收集所有标签并获取这些图像的 src 数组。假设页面上的 src 属性同时具有相对路径和绝对路径。我想要一个页面上 imgs 的绝对路径数组。我知道我可以使用一些字符串操作和 npm 路径来构建绝对路径，但我想找到一种更好的方法。

var rp = require('request-promise'),
    cheerio = require('cheerio');

var options = 
    uri: 'http://www.google.com',
    method: 'GET',
    resolveWithFullResponse: true
;

rp(options)
  .then (function (response) 
    $ = cheerio.load(response.body);
    var relativeLinks = $("img");
    relativeLinks.each( function() 
        var link = $(this).attr('src');
        console.log(link);
        if (link.startsWith('http'))
            console.log('abs');
        
        else 
            console.log('rel');
        
   );
);

结果

  /logos/doodles/2016/phoebe-snetsingers-85th-birthday-5179281716019200-hp.gif
  rel

【问题讨论】：

getting the absolute path of a <img/>的可能重复

@Midas 这个问题与其他问题密切相关，但由于在这种情况下 DOM 和 jQuery 以及在这种情况下 Cheerio 之间的实现差异，这个问题并不完全重复。执行 $(this) 或 $('img')[0].src 之类的操作不会在 Cheerio 中返回任何内容。

【参考方案1】：

将您的页面 URL 存储为变量，使用 url.resolve 将各个部分连接在一起。在 Node REPL 中，这适用于相对路径和绝对路径（因此称为“解析”）：

$:~/Projects/test$ node
> var base = "https://www.google.com";
undefined
> var imageSrc = "/logos/doodles/2016/phoebe-snetsingers-85th-birthday-5179281716019200-hp.gif";
undefined
> var url = require('url');
undefined
> url.resolve(base, imageSrc);
'https://www.google.com/logos/doodles/2016/phoebe-snetsingers-85th-birthday-5179281716019200-hp.gif'
> imageSrc = base + imageSrc;
'https://www.google.com/logos/doodles/2016/phoebe-snetsingers-85th-birthday-5179281716019200-hp.gif'
> url.resolve(base, imageSrc);
'https://www.google.com/logos/doodles/2016/phoebe-snetsingers-85th-birthday-5179281716019200-hp.gif'

您的代码将更改为：

var rp = require('request-promise'),
    cheerio = require('cheerio'),
    url = require('url'),
    base = 'http://www.google.com';

var options = 
    uri: base,
    method: 'GET',
    resolveWithFullResponse: true
;

rp(options)
  .then (function (response) 
    $ = cheerio.load(response.body);
    var relativeLinks = $("img");
    relativeLinks.each( function() 
        var link = $(this).attr('src');
        var fullImagePath = url.resolve(base, link); // should be absolute 
        console.log(link);
        if (link.startsWith('http'))
            console.log('abs');
        
        else 
            console.log('rel');
        
   );
);

【参考方案2】：

要在您的场景中获取图像链接数组，您可以使用url.resolve 将img 标记的相对src 属性与请求URL 解析，从而生成绝对URL。数组传递给最终的then；如果需要，您可以对数组执行 console.log 以外的其他操作。

var rp = require('request-promise'),
    cheerio = require('cheerio'),
    url = require('url'),
    base = 'http://www.google.com';

var options = 
    uri: base,
    method: 'GET',
    resolveWithFullResponse: true
;

rp(options)
    .then (function (response) 
        var $ = cheerio.load(response.body);

        return $('img').map(function () 
            return url.resolve(base, $(this).attr('src'));
        ).toArray();
    )
    .then(console.log);

此url.resolve 将适用于绝对或相对 URL（当从您的请求 URL 解析为相对路径时，它会解析并返回组合的绝对 URL，但当从您的请求 URL 解析为绝对 URL 时，它只会返回绝对 URL网址）。例如，在谷歌上使用/logos/cat.gif 和https://test.com/dog.gif 作为src 属性的img 标签，这将输出：

[ 
    'http://www.google.com/logos/cat.gif',
    'https://test.com/dog.gif'
]

【参考方案3】：

看起来你正在使用 jQuery，所以你可以

$('img').each(function(i, e) 
    console.log(e.src)
);

如果您使用src，它会将相对路径扩展为绝对路径。

【讨论】：

正确，但 src 不是 jQuery 属性。这是标准的 javascript。

这是一个 DOM 属性 - 你不必为 everything

使用 jQuery

有点迂腐，他使用的是 Cheerio，这是一个 NodeJS 模块，它使用类似 jQuery 的语法来遍历 DOM。此外，在这种情况下，访问 src 属性也无济于事，因为当他需要绝对路径时，它仍会返回根相对 URL（或 DOM 中的任何内容）。