于安全和隱私的原因，web 應用程序不能直接訪問用戶設備上的文件。如果需要讀取一個或多個本地文件，可以通過使用input file和FileReader來實現。在這篇文章中，我們將通過一些例子來看看它是如何工作的。

文件操作的流程

獲取文件

由于瀏覽器中的 JS 無法從用戶的設備訪問本地文件，我們需要為用戶提供一種方法來選擇一個或多個文件供我們使用。這可以通過文件選擇器<input type='fule' />來完成。

<input type="file" id="fileInput">

如果想允選擇多個文件，可以添加multiple屬性:

<input type="file" id="fileInput" multiple>

我們可以通過change事件來監聽文件的選擇，也可以添加另一個 UI 元素讓用戶顯式地開始對所選文件的處理。

input file 具有一個files屬性，該屬性是File對象的列表（可能有多個選擇的文件）。

File對象如下所示：

讀取文件

讀取文件，主要使用的是[FileReader][1]類。

「該對象擁有的屬性：」

「FileReader.error」 ：只讀，一個DOMException，表示在讀取文件時發生的錯誤 。

「FileReader.readyState」：只讀 表示 FileReader 狀態的數字。取值如下：

常量名值描述EMPTY0還沒有加載任何數據LOADING1數據正在被加載DONE2已完成全部的讀取請求

「FileReader.result」：只讀，文件的內容。該屬性僅在讀取操作完成后才有效，數據的格式取決于使用哪個方法來啟動讀取操作。

「該對象擁有的方法：」

readAsText(file, encoding)：以純文本形式讀取文件，讀取到的文本保存在result屬性中。第二個參數代表編碼格式。

readAsDataUrl(file)：讀取文件并且將文件以數據URI的形式保存在result屬性中。

readAsBinaryString(file)：讀取文件并且把文件以字符串保存在result屬性中。

readAsArrayBuffer(file)：讀取文件并且將一個包含文件內容的ArrayBuffer保存咋result屬性中。

FileReader.abort()：中止讀取操作。在返回時，readyState屬性為DONE。

「文件讀取的過程是異步操作，在這個過程中提供了三個事件：progress、error、load事件。」

progress：每隔50ms左右，會觸發一次progress事件。

error：在無法讀取到文件信息的條件下觸發。

load：在成功加載后就會觸發。

在下面的示例中，我們將使用readAsText和readAsDataURL方法來顯示文本和圖像文件的內容。

例一：讀取文本文件

為了將文件內容顯示為文本，change需要重寫一下：

首先，我們要確保有一個可以讀取的文件。如果用戶取消或以其他方式關閉文件選擇對話框而不選擇文件，我們就沒有什么要讀取和退出函數。

然后我們繼續創建一個FileReader。reader的工作是異步的，以避免阻塞主線程和 UI 更新，這在讀取大文件(如視頻)時非常重要。

reader發出一個'load'事件(例如，類似于Image對象)，告訴我們的文件已經讀取完畢。

reader將文件內容保存在其result屬性中。此屬性中的數據取決于我們使用的讀取文件的方法。在我們的示例中，我們使用readAsText方法讀取文件，因此result將是一個文本字符串。

例二：顯示本地選擇的圖片

如果我們想要顯示圖像，將文件讀取為字符串并不是很有用。FileReader有一個readAsDataURL方法，可以將文件讀入一個編碼的字符串，該字符串可以用作<img>元素的源。本例的代碼與前面的代碼基本相同，區別是我們使用readAsDataURL讀取文件并將結果顯示為圖像:

總結

1）由于安全和隱私的原因，JavaScript 不能直接訪問本地文件。

2）可以通過 input 類型為 file 來選擇文件，并對文件進行處理。

3） file input 具有帶有所選文件的files屬性。

4） 我們可以使用FileReader來訪問所選文件的內容。

作者: Martin Splitt 譯者：前端小智 來源：dev

原文：https://dev.to/g33konaut/reading-local-files-with-javascript-25hn

解析HTML文檔，可以使用一些編程語言中的HTML解析庫或工具。以下是一些常用的方法：

1. 使用Python中的BeautifulSoup庫：BeautifulSoup是一個功能強大的HTML解析庫，可以幫助你從HTML文檔中提取數據。你可以使用pip安裝BeautifulSoup，然后使用它的解析器來解析HTML文檔。

from bs4 import BeautifulSoup

# 讀取HTML文檔
with open('example.html', 'r') as file:
    html = file.read()

# 創建BeautifulSoup對象
soup = BeautifulSoup(html, 'html.parser')

# 使用BeautifulSoup對象提取數據
# 例如，提取所有的鏈接
links = soup.find_all('a')
for link in links:
    print(link.get('href'))

2. 使用JavaScript中的DOM解析器：如果你在瀏覽器環境中，可以使用JavaScript的DOM解析器來解析HTML文檔。你可以使用document對象來訪問和操作HTML元素。

// 讀取HTML文檔
var html = document.documentElement.innerHTML;

// 使用DOM解析器提取數據
// 例如，提取所有的鏈接
var links = document.getElementsByTagName('a');
for (var i = 0; i < links.length; i++) {
    console.log(links[i].getAttribute('href'));
}

3. 使用其他編程語言的HTML解析庫：除了Python和JavaScript，還有許多其他編程語言也有自己的HTML解析庫，例如Java中的Jsoup、Ruby中的Nokogiri等。你可以根據自己的編程語言選擇適合的HTML解析庫來解析HTML文檔。

無論你選擇哪種方法，解析HTML文檔的關鍵是了解HTML的結構和標簽，并使用相應的解析器或工具來提取所需的數據。

當你解析HTML文檔時，你可能會遇到以下一些常見的任務和技術：

1. 選擇器：使用選擇器可以方便地定位和提取HTML文檔中的特定元素。例如，你可以使用CSS選擇器來選擇具有特定類名或ID的元素，或者使用XPath來選擇具有特定屬性或層次結構的元素。
2. 提取數據：一旦你定位到了要提取的元素，你可以使用相應的方法或屬性來獲取元素的文本內容、屬性值或其他相關信息。例如，你可以使用getText()方法來獲取元素的文本內容，使用getAttribute()方法來獲取元素的屬性值。
3. 遍歷文檔：HTML文檔通常是一個樹狀結構，你可以使用遍歷方法來訪問和操作文檔中的不同元素。例如，你可以使用遞歸或循環來遍歷文檔的子元素、父元素或兄弟元素。
4. 處理嵌套結構：HTML文檔中的元素可能會有嵌套的結構，你需要處理這些嵌套關系來正確地提取數據。例如，你可以使用遞歸方法來處理嵌套的列表、表格或嵌套的div元素。
5. 處理特殊情況：在解析HTML文檔時，可能會遇到一些特殊情況，例如處理動態生成的內容、處理特殊字符或處理錯誤的HTML結構。你需要根據具體情況選擇合適的方法來處理這些特殊情況。

總的來說，解析HTML文檔需要一定的HTML知識和編程技巧。你需要了解HTML的結構和標簽，選擇合適的解析器或工具，使用選擇器來定位元素，提取所需的數據，并處理特殊情況。通過不斷練習和實踐，你將能夠更熟練地解析HTML文檔并提取所需的數據。

一天，老板不滿地說：“喂，你這C#爬蟲怎么連標題都沒給我抓回來？我需要的是一份完整的報告，包括所有網頁的標題，趕緊給我重新抓一遍！”那一刻，我仿佛看到了老板眼中閃爍的怒火，感受到了他對我工作的失望。

我仿佛看到了老板眼中閃爍的怒火，就像是火山即將爆發前的預兆。我心里咯噔一下，知道這次可能玩大了。

我趕緊賠著笑臉說：“老板，真不好意思，這次是我的失誤。我馬上就去給您抓回那些‘逃跑’的標題！”

其實我心里暗笑，因為那些標題我早就抓回來了，只是故意沒展示出來。這可是職場生存法則啊，不能一次交出所有秘密，得留點懸念，讓老板對你始終保持期待和好奇。你覺得這樣做對嗎？歡迎討論，哈哈！

代碼其實很簡單:

// 使用XPath查詢獲取title標簽
HtmlNode titleNode = doc.DocumentNode.SelectSingleNode("//title");

//這行代碼是使用C#的HtmlAgilityPack庫來從HTML文檔中提取<title>標簽的內容。
//目的是從doc表示的HTML文檔中選擇第一個<title>標簽，并將這個標簽的節點對象賦值給titleNode變量。

如果要獲取<title>標簽中的文本內容，這樣寫：
string titleText = titleNode?.InnerText;
這里，?.是一個null條件運算符，如果titleNode為null（也就是說沒有找到<title>標簽），
則titleText會被賦值為null，否則，它會被賦值為<title>標簽中的文本內容。

這個代碼是怎么使用的呢？下面我解釋下實現過程:

        static string? ParseTitleData(string htmlContent)
        {
            if (string.IsNullOrEmpty(htmlContent))
            {
                return null;
            }
            HtmlDocument doc = new HtmlDocument();
            doc.LoadHtml(htmlContent);
            // 使用XPath查詢獲取title標簽
            HtmlNode titleNode = doc.DocumentNode.SelectSingleNode("//title");
            if (titleNode != null)
            {
                // 獲取title節點的文本內容
                string titleText = titleNode.InnerText.Trim();
                return "頁面標題: " + titleText;
            }
            else
            {
                // 如果沒有找到title標簽，返回null
                return null;
            }
        }

//這段代碼定義了一個名為 ParseTitleData 的靜態方法，
//它接受一個 htmlContent 字符串作為輸入，并試圖從中解析出網頁的標題。
//該方法使用 HtmlAgilityPack 庫來解析 HTML 內容。

是不是很簡單？這個方法的目的是從給定的 HTML 內容中提取網頁的標題。如果成功找到標題，它會返回一個包含 "頁面標題: " 和實際標題的字符串。如果 HTML 內容為空、null 或不包含 <title> 標簽，它會返回 null。

看效果：

完整代碼是包括如何異步獲取網頁內容的。如果有朋友需要的話，請關注我并留言，今天就寫到這吧，太晚了，休息啦！