使用 Firefox 解析 HTML

Question

uri = 'http://www.nytimes.com/';
searchuri = 'http://www.google.com/search?';
searchuri += 'q='+ encodeURIComponent(uri) +'&btnG=Search+Directory&hl=en&cat=gwd%2FTop';
req = new XMLHttpRequest();
req.open('GET', searchuri, true);
req.onreadystatechange = function (aEvt) {
    if (req.readyState == 4) {
        if(req.status == 200) {
            searchcontents = req.responseText;
            myHTML = searchcontents;
            var tempDiv = document.createElement('div');
            tempDiv.innerHTML = myHTML.replace(/<script(.|\s)*?\/script>/g, '');
            parsedHTML = tempDiv;
            sitefound = sc_sitefound(uri, parsedHTML);
        }
    }
};
req.send(null);

function sc_sitefound(uri, parsedHTML) {
    alert(parsedHTML);
    gclasses = parsedHTML.getElementsByClassName('g');
    for (var gclass in gclasses) {
        atags = gclass.getElementsByTagName('a');
        alert(atags);
        tag1 = atags[0];
        htmlattribute1 =  tag1.getAttribute('html');
        if (htmlattribute1 == uri) {
            sitefound = htmlattribute1;
            return sitefound;
        }

    }
    return null;
}

parsedHTML 是一个 XULElement
gclasses 是一个 HTMLCollection

如果 Google Directory 搜索结果中有很多 G 类的 div，为什么 g 类是空的？

Answer 1

var tempDiv = document.createElement('div');

如果您处于 XUL 环境中，则不会创建 HTML 元素节点：它将是一个 XUL 元素。由于 innerHTML 属性是 HTMLElement 独有的，而不是其他 XML Element ，因此在 tempDiv 上设置 innerHTML 不会执行任何操作（除了添加包含 HTML 字符串的自定义属性之外）。因此，tempDiv 内不存在类“g”的元素...其中根本没有元素。

如果浏览器中加载了纯 HTML 文档，则可以尝试使用 content.document.createElement 获取可使用 innerHTML 的 HTML 包装元素。这仍然不是解析整个 HTML 页面的好方法，因为相关文档可能具有无法放入 div 中的 内容，以及需要放入的 HTTP 标头被扔掉。将目标文件加载到其自己的 HTMLDocument 对象中可能会更好。一个好的方法是使用 iframe。有关这两种方法的示例，请参阅此页面。

tempDiv.innerHTML = myHTML.replace(/<script(.|\s)*?\/script>/g, '');

使用正则表达式处理 HTML 有七种不好的想法；当谷歌稍微改变他们的页面标记时，这可能会在很多方面出现问题。让浏览器来完成解析工作。设置 innerHTML 不会导致脚本元素立即执行（但可以进行进一步的 DOM 操作）；如果需要，您可以稍后挑选出不需要的脚本元素。使用 XUL iframe 方法，您可以简单地禁用 iframe 上的 JavaScript。

for (var gclass in gclasses) {

for...in 循环用于针对用作映射的对象。它不应该用于迭代序列（例如 Array、NodeList 或本例中的 HTMLCollection），因为它不会执行您可能期望的操作。对于迭代序列，请坚持使用标准 C 风格的 for (var i= 0; i

您还可以为所有其他局部变量添加 var 声明。