如何解析html標(biāo)簽內(nèi)容？手寫正則表達(dá)式？htmlparser模塊幫你解決

篇文章給大家介紹一個(gè)解析html內(nèi)容的模塊——htmlparser。

舉一個(gè)簡單的應(yīng)用場景：假設(shè)有一天領(lǐng)導(dǎo)需要你收集一下線上頁面已存在的靜態(tài)資源鏈接（js、css、img），你們的頁面很多，而且每個(gè)頁面的代碼量很大（比如上萬行），這種情況下你總不能人肉去搜索，那么此時(shí)htmlparser這個(gè)模塊就可以派上用場了。

簡單使用

安裝命令

npm install htmlparser

圖1

圖1中我們使用htmlparser模塊解析一個(gè)i.html文件，其內(nèi)容如下：

圖2

解析結(jié)果如下：

圖3

圖3所示是個(gè)對象（此處序列化了便于顯示），遍歷這個(gè)對象就可以解決本文開頭所說的問題，這個(gè)模塊的用法非常的簡單。

原理分析

回到圖1，htmlparser模塊給我提供了一個(gè)Parser構(gòu)造函數(shù)，這個(gè)構(gòu)造函數(shù)是初始化的入口！它大概長這個(gè)樣子：

function Parser(handler) {
   this._handler = handler;
}

Parser接受一個(gè)參數(shù)handler，這個(gè)handler必須是一個(gè)對象，這個(gè)對象必須定義以下幾個(gè)方法：

reset方法主要做一些重置工作；
done方法完成解析后調(diào)用，此處可以執(zhí)行自定義回調(diào)函數(shù)；
writeTag方法處理tag標(biāo)簽；
writeText方法處理純文本信息
writeComment方法處理注釋信息；
writeDirective方法處理<!...>這樣的標(biāo)簽信息，比如<!DOCTYPE html>。

圖1中我們使用的是模塊內(nèi)部提供的DefaultHandler，我們當(dāng)然也可以自己定義handler。用別人的handler有時(shí)并不能完全滿足自己的業(yè)務(wù)場景，那么我們操作一把，代碼如下：

圖4

圖4中我們自定義一個(gè)handler——CustomHandler，我們先運(yùn)行一下看看各個(gè)方法都輸出了什么？

圖5

圖5中CustomHandler的各個(gè)方法按照原始字符串的順序依次打印出了每個(gè)解析結(jié)果，這些解析結(jié)果是parser對象為我們自動(dòng)生成的，解析的原理就是正則匹配。我們可以在自定義handler的各個(gè)函數(shù)方法中做一些特殊處理，然后把最終的結(jié)果通過done函數(shù)輸出出去。

圖4中的parseComplete方法也可以用以下邏輯代替，

parser.reset();
parser.parseChunk(html);
parser.done();

這個(gè)模塊除了可以在node環(huán)境中使用，它同時(shí)也可以在瀏覽器中使用，用法如下：

圖6

圖7

注意，如果在瀏覽器中使用，模塊的所有API都掛在了Tautologistics.NodeHtmlParser這個(gè)對象上，其它用法一致。

總結(jié)

需要我們?nèi)ソ馕鰄tml內(nèi)容的場景非常多，之前我們更多的是使用自己寫的正則表達(dá)式去做，麻煩并且容易出錯(cuò)。現(xiàn)在我們了解了htmlparser模塊，以后就可以直接使用它去解決問題。

例

帶有項(xiàng)目和描述的描述列表：

<dl>

<dt>Coffee</dt>

<dd>Black hot drink</dd>

<dd>White cold drink</dd>

</dl>

瀏覽器支持

所有主流瀏覽器都支持 <dd> 標(biāo)簽。

標(biāo)簽定義及使用說明

<dd> 標(biāo)簽被用來對一個(gè)描述列表中的項(xiàng)目/名字進(jìn)行描述。

<dd> 標(biāo)簽與 <dl> （定義一個(gè)描述列表）和 <dt> （定義項(xiàng)目/名字）一起使用。

在 <dd> 標(biāo)簽內(nèi)，您能放置段落、換行、圖片、鏈接、列表等等。

HTML 4.01 與 HTML5之間的差異

在 HTML 4.01 中，<dd> 標(biāo)簽被用來描述一個(gè)定義列表中的條目。

在 HTML5 中，<dd> 標(biāo)簽被用來描述一個(gè)描述列表的項(xiàng)目/名字。

全局屬性

<dd> 標(biāo)簽支持 HTML 的全局屬性。

事件屬性

<dd> 標(biāo)簽支持 HTML 的事件屬性。

如您還有不明白的可以在下面與我留言或是與我探討QQ群308855039，我們一起飛！

天查Html手冊時(shí)，又有了新的發(fā)現(xiàn)。也就這機(jī)會，好好總結(jié)下HTML中Meta的使用。

　　HTML <meta> 標(biāo)簽，所有瀏覽器都支持 <meta> 標(biāo)簽。它提供關(guān)于HTML文檔的元數(shù)據(jù)。元數(shù)據(jù)不會顯示在頁面上，但是對于機(jī)器是可讀的。它可用于瀏覽器（如何顯示內(nèi)容或重新加載頁面），對搜索引擎和更新頻度的描述和關(guān)鍵詞，或其他 web 服務(wù)。

　　<meta> 標(biāo)簽位于文檔的頭部，不包含任何內(nèi)容。<meta> 標(biāo)簽的屬性定義了與文檔相關(guān)聯(lián)的名稱/值對。

　　在 HTML 中，<meta> 標(biāo)簽沒有結(jié)束標(biāo)簽,在 XHTML 中，<meta> 標(biāo)簽必須被正確地關(guān)閉。

必要屬性

屬性值描述contentsome text定義與http-equiv或name屬性相關(guān)的元信息

可選屬性

屬性值描述http-equivcontent-type / expire / refresh / set-cookie把content屬性關(guān)聯(lián)到HTTP頭部。nameauthor / description / keywords / generator / revised / others把 content 屬性關(guān)聯(lián)到一個(gè)名稱。contentsome text定義用于翻譯 content 屬性值的格式。

SEO優(yōu)化

　　　　關(guān)鍵詞:類似這樣的 meta 標(biāo)簽可能對于進(jìn)入搜索引擎的索引有幫助.使用人們可能會搜索，并準(zhǔn)確描述網(wǎng)頁上所提供信息的描述性和代表性關(guān)鍵字及短語。標(biāo)記內(nèi)容太短，則搜索引擎可能不會認(rèn)為這些內(nèi)容相關(guān),標(biāo)記不應(yīng)超過 874 個(gè)字符。

　　　　<meta name="keywords" content="HTML,ASP,PHP,SQL">

　　　　頁面描述，每個(gè)網(wǎng)頁都應(yīng)有一個(gè)不超過 150 個(gè)字符且能準(zhǔn)確反映網(wǎng)頁內(nèi)容的描述標(biāo)簽

　　<meta name="description" content="your description">

　　　　搜索引擎索引方式，robotterms是一組使用逗號(,)分割的值，通常有如下幾種取值：none，noindex，nofollow，all，index和follow。確保正確使用nofollow和noindex屬性值。

<meta name="robots" content="index,follow" />

　　頁面重定向和刷新：content內(nèi)的數(shù)字代表時(shí)間（秒），既多少時(shí)間后刷新。如果加url,則會重定向到指定網(wǎng)頁（搜索引擎能夠自動(dòng)檢測，也很容易被引擎視作誤導(dǎo)而受到懲罰）。

<meta http-equiv="Refresh" content="5;url=http://www.w3school.com.cn" />
　　<meta http-equiv="Refresh" content="5;" />

移動(dòng)設(shè)備

　　 viewport：能優(yōu)化移動(dòng)瀏覽器的顯示。如果不是響應(yīng)式網(wǎng)站，不要使用initial-scale或者禁用縮放。大部分4.7-5寸設(shè)備的viewport寬設(shè)為360px；5.5寸設(shè)備設(shè)為400px；iphone6設(shè)為375px；ipone6 plus設(shè)為414px。很多人使用initial-scale=1到非響應(yīng)式網(wǎng)站上，這會讓網(wǎng)站以100%寬度渲染，用戶需要手動(dòng)移動(dòng)頁面或者縮放。如果和initial-scale=1同時(shí)使用user-scalable=no或maximum-scale=1，則用戶將不能放大/縮小網(wǎng)頁來看到全部的內(nèi)容。

　　　　　　content 參數(shù)：

　　　　　　　　width viewport 寬度(數(shù)值/device-width)
　　　　　　　　height viewport 高度(數(shù)值/device-height)
　　　　　　　　initial-scale 初始縮放比例
　　　　　　　　maximum-scale 最大縮放比例
　　　　　　　　minimum-scale 最小縮放比例
　　　　　　　　user-scalable 是否允許用戶縮放(yes/no)

<meta name="viewport" content="width=device-width, initial-scale=1.0,maximum-scale=1.0, user-scalable=no"/>

　　各瀏覽器平臺

　　Microsoft Internet Explorer

<meta http-equiv="x-ua-compatible" content="ie=edge">

<meta http-equiv="cleartype" content="on">
<meta name="skype_toolbar" content="skype_toolbar_parser_compatible">

<meta http-equiv="X-UA-Compatible" content="IE=6" >
<meta http-equiv="X-UA-Compatible" content="IE=7" >
<meta http-equiv="X-UA-Compatible" content="IE=8" >


<meta name="msapplication-TileImage" content="pinned-tile-144.png">
<meta name="msapplication-TileColor" content="#009900">

<meta name="msapplication-config" content="ieconfig.xml">

　　Google Chrome

<meta http-equiv="X-UA-Compatible" content="chrome=1" />

<meta name="google" value="notranslate">

　　360瀏覽器

<meta name="renderer" content="webkit|ie-comp|ie-stand">

　　UC手機(jī)瀏覽器

<meta name="screen-orientation" content="landscape/portrait">

<meta name="full-screen" content="yes">

<meta name="imagemode" content="force">

<meta name="browsermode" content="application">

<meta name="nightmode" content="disable">

<meta name="layoutmode" content="fitscreen">

<meta name="wap-font-scale" content="no">

　　QQ手機(jī)瀏覽器

<meta name="x5-orientation" content="landscape/portrait">

<meta name="x5-fullscreen" content="true">

<meta name="x5-page-mode" content="app">

　　Apple iOS

<meta name="apple-itunes-app" content="app-id=APP_ID,affiliate-data=AFFILIATE_ID,app-argument=SOME_TEXT">

<meta name="format-detection" content="telephone=no">


<meta name="apple-mobile-web-app-capable" content="yes">

<meta name="apple-mobile-web-app-status-bar-style" content="black">

<meta name="apple-mobile-web-app-title" content="App Title">

　　Google Android

<meta name="theme-color" content="#E64545">

<meta name="mobile-web-app-capable" content="yes">

App Links

<meta property="al:ios:url" content="applinks://docs">
<meta property="al:ios:app_store_id" content="12345">
<meta property="al:ios:app_name" content="App Links">

<meta property="al:android:url" content="applinks://docs">
<meta property="al:android:app_name" content="App Links">
<meta property="al:android:package" content="org.applinks">

<meta property="al:web:url" content="http://applinks.org/documentation">

　　其它常用的meta

<meta name="viewport" content="width=device-width, initial-scale=1, user-scalable=no" />
<meta name="apple-mobile-web-app-capable" content="yes" />
<meta name="apple-mobile-web-app-status-bar-style" content="black" />
<meta name="format-detection"content="telephone=no, email=no" />
<meta name="viewport" content="width=device-width, initial-scale=1, user-scalable=no" />
<meta name="apple-mobile-web-app-capable" content="yes" />
<meta name="apple-mobile-web-app-status-bar-style" content="black" />
<meta name="format-detection" content="telphone=no, email=no" />

<meta name="renderer" content="webkit">

<meta http-equiv="X-UA-Compatible" content="IE=edge">

<meta name="HandheldFriendly" content="true">

<meta name="MobileOptimized" content="320">

<meta name="screen-orientation" content="portrait">

<meta name="x5-orientation" content="portrait">

<meta name="full-screen" content="yes">

<meta name="x5-fullscreen" content="true">

<meta name="browsermode" content="application">

<meta name="x5-page-mode" content="app">

<meta name="msapplication-tap-highlight" content="no">

網(wǎng)頁相關(guān)

　　網(wǎng)頁編碼：以下兩種charset定義方式均可

<meta charset="utf-8">
<meta http-equiv="Content-Type" content="text/html; charset=utf-8">

　　禁止緩存：禁止瀏覽器從本地機(jī)的緩存中調(diào)閱頁面內(nèi)容，網(wǎng)頁不保存在緩存中，每次訪問都刷新頁面。這樣設(shè)定，訪問者將無法脫機(jī)瀏覽

<meta http-equiv="Pragma" content="no-cache">

　　網(wǎng)頁過期：指定網(wǎng)頁在緩存中的過期時(shí)間，一旦網(wǎng)頁過期，必須到服務(wù)器上重新調(diào)閱。注意：必須使用GMT的時(shí)間格式，或直接設(shè)為0（數(shù)字表示多少時(shí)間后過期）

<Meta http-equiv="Expires" Content="Wed, 26 Feb 1997 08:21:57 GMT">

　　Cookie設(shè)置：注意：必須使用GMT的時(shí)間格式

<Meta http-equiv="Set-Cookie" Content="cookievalue=xxx; expires=Wednesday,21-Oct-98 16:14:21 GMT; path=/">

　　顯示窗口的設(shè)定：強(qiáng)制頁面在當(dāng)前窗口以獨(dú)立頁面顯示，這個(gè)屬性是用來防止別人在框架里調(diào)用你的頁面。Content選項(xiàng)：_blank、_top、_self、_parent.

<Meta http-equiv="Widow-target" Content="_top">

　　進(jìn)入與退出：這個(gè)是頁面被載入和調(diào)出時(shí)的一些特效。這個(gè)有好多特效，可以查詢Page-Exit去了解更多。

　　<Meta http-equiv="Page-Exit" Content="blendTrans(Duration=0.5)">

安全相關(guān)

　　內(nèi)容安全策略CSP（Content-Security-Policy）,可以參考https://blog.csdn.net/u014465934/article/details/84199171

<meta http-equiv="Content-Security-Policy" content="script-src 'self'">

喜歡小編的可以點(diǎn)個(gè)贊關(guān)注小編哦，小編每天都會給大家分享文章。

我自己是一名從事了多年的前端老程序員，小編為大家準(zhǔn)備了新出的前端編程學(xué)習(xí)資料，免費(fèi)分享給大家！

如果你也想學(xué)習(xí)前端，可以觀看【置頂】文章。也可以私信【1】拿

在線咨詢

上一篇：586款紅色中國特色之路/廉政/十九大/黨建文化墻素材,全網(wǎng)最全款
下一篇：純JS編寫打地鼠游戲

您的項(xiàng)目需求

*請認(rèn)真填寫需求信息，我們會在24小時(shí)內(nèi)與您取得聯(lián)系。

整合營銷服務(wù)商

如何解析html標(biāo)簽內(nèi)容？手寫正則表達(dá)式？htmlparser模塊幫你解決

簡單使用

原理分析

總結(jié)

您的項(xiàng)目需求