我如何使用纯 javascript 解析远程 html 页面答案

【问题标题】：How can i parse remote html page using pure java script我如何使用纯 javascript 解析远程 html 页面
【发布时间】：2013-03-26 13:51:39
【问题描述】：

我需要解析远程 html 页面（例如：www.mywesite.com/home）我如何获取该网站的 html 页面源以及如何解析该页面

那个html是这样的

 <html>
     <body>
        <div class="my-class1">
             <a href="home/link?id=1">hello</a>
        </div>

        <div class="my-class1">
             <a href="home/link?id=2">hey</a>
        </div>

        <div class="my-class1">
             <a href="home/link?id=3">bye</a>
        </div>
     </body>
 </html>

我想输出为

 hello
 hey
 bye

我没有使用任何服务器端技术（如 java、.net）我只想使用 java 脚本来实现这一点

是否可以使用纯 javaScript 或任何其他 jQuery 插件解析远程 html 页面

提前致谢

【问题讨论】：

由于同源策略，这是不可能的
@Amberlamps 那么我该如何以其他方式实现这一目标？？？
你只能在服务器端做。
@fredrik - （假设我理解）我不同意。我正在通过 ajax 将这种技术广泛用于同源子页面
@ccyoung 据我了解，如果当前页面是从www.somedomain.com 加载的，那么您不能将ajax 转换为www.someotherdomain.com，这就是他想要做的。当然，您可以随时禁用该策略。

标签： javascript jquery html html-parsing

【解决方案1】：

普通浏览器的javascript不能从任何服务器访问远程页面的内容，除了它自己的。

你可以：

在您自己的服务器上有一个合作脚本来获取远程内容
在远程服务器的配合下，您或许能够通过适当的 CORS (http://en.wikipedia.org/wiki/Cross-origin_resource_sharing) 安排访问内容。
再次与远程服务器合作，如果它通过 javascript 提供其内容，您可以通过创建内联脚本元素来访问它。 “JSONP”就是这种方法的一个例子。
如果您编写浏览器插件或插件（用于允许使用 javascript 编写此类内容的浏览器），那么您就不会以同样的方式受浏览器安全模型的约束。

【讨论】：

【解决方案2】：

假设origin 固定等，这是我使用的方法：

// 获取html的body部分 txt = txt.substr( txt.indexOf('')+6 ); txt = txt.substr(0, txt.indexof('&lt/body&gt')-1); // 将body粘贴到div中 var div = document.createElement('div'); div.innerHTML = txt; // 从每个元素中提取文本内容（或更有趣的东西） Array.prototype.slice(div.querySelectorAll('*')).forEach(function(el) { if( el.textContent ) console.log( el.textContent ); });

【讨论】：

我如何从我的服务器获取远程服务器 html 页面的正文部分，比如说 stackoverflow.com 页面
@sunny 你不能使用 javascript，如前所述的同源策略。你需要服务器端代码。