Question

我有一个网页，我正在抓取信息。在网页中，我需要的是在具有特定类别的单独div中。

例如：

<div class="temp">text </div>

问题在于每天有不同数量的这些div，有些日子有5个，然后可能是10个或12个。在我需要的div之后是更多同一类的div但有我不需要的信息。在html中有一条注释线将两者分开。像这样：

<div class="temp">text </div>
<div class="temp">moretext </div>
<!-- beginning of historical data -->
<div class="temp">text </div>

我目前正在使用

获取div

var temps = window._document.getElementsByClassName('temp')
for (var I = 0; I  < temps.length; i++){
var a = temps [i].getElementsByTagName('a')
var text = temps [i].textContent
//do something with vars }

这很有效，但是由于我不知道在评论之前有多少div，我不能将for循环限制为我需要的东西，要么拉出所有东西，包括我不需要的东西，如果我设置的话我要么拉得太多，要么太少。

有没有办法在评论之前拉出div？

Answer 1

这就是您为您提供的示例HTML所描述的内容，但它假设有趣的div元素和注释都是body元素的子元素，并且只有一个注释文档。

一般概念是查找注释标记的索引，并仅处理索引较低的div。

（另一个假设是您的浏览器是ECMA-6）

＆＃13;

function doSomethingWithTemps() {
    var commentIndex = $('*').contents().filter( (i,v) => v.nodeType == 8).index();
    $('.temp').filter( (i,v) => $(v).index() < commentIndex ).each( (i,v) => console.log(v.textContent) );
}

function nonEcma6() {
    var commentIndex = $('*').contents().filter( function(i,v) { return v.nodeType == 8 } ).index();
    console.log("Index: "+commentIndex);
    $('.temp').filter( function(i,v) { return $(v).index() < commentIndex } ).each( function(i,v) { console.log(v.textContent) } );
}

$(nonEcma6);

＆＃13;

<script src="https://ajax.googleapis.com/ajax/libs/jquery/2.1.1/jquery.min.js"></script>
<body>
<div class="temp">text </div>
<div class="temp">moretext </div>
<!-- beginning of historical data -->
<div class="temp">text </div>
</body>

＆＃13;

查找评论标记的代码来自Selecting HTML Comments with jQuery

在评论之前仅刮除元素

1 个答案: