格式化抓取的 HTML 的最佳实践

Question

我继承了一些使用 YQL 查询从外部站点获取所有 HTML 的代码。然后过滤数据，然后输出到容器。 YQL 查询不返回 XML 而是返回 HTML，我尝试将格式更改为 JSON，但没有运气。也许我搞砸了语法。

这是 YQL 查询：

$.getJSON("http://query.yahooapis.com/v1/public/yql?" +
                "q=select%20*%20from%20html%20where%20url%3D%22" +
                encodeURIComponent(url) +
                "%22&format=JSON&callback=?",

然后将此数据传递给此过滤器函数（这不是整个代码）

function filterData(data) {

        data = data.replace(/<?\/body[^>]*>/g, '');
        data = data.replace(/[\r|\n]+/g, '');
        data = data.replace(/<--[\S\s]*?-->/g, '');
        data = data.replace(/<noscript[^>]*>[\S\s]*?<\/noscript>/g, '');
        data = data.replace(/<script[^>]*>[\S\s]*?<\/script>/g, '');
        data = data.replace(/<p>5\) \{ return; }.* \} \}; <\/p>/, '');
        data = data.replace(/<body[^>]*>/g, '');
        data = data.replace(/<hr[^>]*>/g, '');
        data = data.replace(/<img[^>]*>/g, '');
        data = data.replace(/<table[^>]*>/g, '<table>');

        return data;
}

我觉得必须有更好的方法将返回的 HTML 数据放入某种模板或其他东西中，我对 jQuery 很不熟悉，非常感谢任何帮助！

Answer 1

您希望将它们获取为 JSON 以便在 jQuery 中进行处理。您只需确保将大写 JSON 更改为小写 json 即可从 API 获取 JSON 输出。

$.getJSON("http://query.yahooapis.com/v1/public/yql?" +
                "q=select%20*%20from%20html%20where%20url%3D%22" +
                encodeURIComponent(url) +
                "%22&format=json&callback=?",