Javascript：如何从网页中检索文本

Posted 2023-03-05

【中文标题】Javascript：如何从网页中检索文本

【英文标题】：Javascript: How to retrieve text from a webpage

【发布时间】：2012-10-23 16:56:22

【问题描述】：

我想检索网页中的文本作为字符串。这可能吗？ 我是 javascript 新手。

例如：

var url = "http://en.wikipedia.org/wiki/Programming";
var result = url.getText();  <---- stores text as a string
document.write(result);

如何编写 getText 方法？以太整个 html 源代码（我可以用它来获取文本）或只是文本。我想在网络浏览器中执行此操作。

我试过了，我可以得到一个索引号：

var url = "http://www.youtube.com/results?search_query=cat&page=2";
var result;
function go()
    result = url.search(/cat/i);
    document.write(result);

这给了我一个 44 的索引。这意味着阅读一个页面是可能的。我可以反其道而行之，输入索引来检索文本吗？

【问题讨论】：

你的意思是整个 HTML 源代码？

您是希望在 Web 浏览器中执行此操作，还是从 Node.js 或 Rhino 等服务器端 JS 引擎执行此操作？

为了解决跨域问题，是否可以运行代理服务？

【参考方案1】：

如果 Ajax/跨域情况对您来说不是问题，您可以提取网页文本

var el = document.body; // or some other element reference
var text = el.innerText || el.textContent;

如果您需要从与您的应用程序同域的页面中读取文本，您可以直接使用 Ajax。

如果您需要从域外页面读取文本，则必须跳过一些额外的环节，例如设置代理服务器或处理 CORS - http://en.wikipedia.org/wiki/Cross-origin_resource_sharing

【参考方案2】：

您最好使用功能更强大的服务器端语言来执行此操作，而不是 JavaScript。 Python 或 php 将是不错的选择。

【讨论】：

JavaScript 也是一种服务器端语言；另见en.wikipedia.org/wiki/…

是的，但这不是解析 HTML 的最佳选择，Python 会更好，恕我直言。

我以前在 Perl 中执行此操作，现在我在 Node.js 中执行此操作 - NPM 有很多相关的模块。有一天我真的会坐下来学习 Python :)

我真的很想在浏览器中进行。浏览器扩展会起作用吗？

【参考方案3】：

Ajax 不支持跨域。您需要服务器端语言。