Question

我正在尝试使用this script从外部网站提取一些文字。

它完美无缺，但它可以获得整个页面。我想只使用类'content'的特定div中的内容。整个页面放在变量'data'中，然后创建此函数以去除一些标记：

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(/<script.*\/>/,'');
  return data;
}

我如何使用“内容”类查找div并仅查看其中的内容？

更新：对于使用RegExes感到抱歉 - 您是否可以帮助我在不使用RegEx的情况下获取内容？所以，这是我的HTML文件：

<a href="http://www.eurest.dk/kantiner/228/all.asp?a=9" class="ajaxtrigger">erg</a>
<div id="target" style="width:200px;height:500px;"></div>
<div id="code" style="width:200px;height:200px;"></div>
<script src="http://code.jquery.com/jquery.min.js"></script>
<script>
$(document).ready(function(){
var container = $('#target');
$('.ajaxtrigger').click(function(){
doAjax($(this).attr('href'));
return false;
});
function doAjax(url){
if(url.match('^http')){
$.getJSON("http://query.yahooapis.com/v1/public/yql?"+
            "q=select%20*%20from%20html%20where%20url%3D%22"+
            encodeURIComponent(url)+
            "%22&format=xml'&callback=?",
    function(data){
      if(data.results[0]){
        var tree = string2dom(data.results[0]);
        container.html($("div.content", tree.doc));tree.destroy();
      } else {
        var errormsg = '<p>Error: could not load the page.</p>';
        container.html(errormsg);
      }
    }
  );
} else {
  $('#target').load(url);
}
}
function filterData(data){

return tree;
}
});
</script>

Answer 1

尝试这样的事情：

var matches = data.match(/<div class="content">([^<]*)<\/div>/);

if (matches) 
    return matches[1]; // div content

Answer 2

这里试试这个：

<div[^>]*?class='content'[^>]*?>(.*?)</div>

捕获的参考/ 1将包含您的内容。虽然不应该使用正则表达式执行此操作：）

Answer 3

这可能会对您有所帮助：

    var divtxt = match(/<div[^>]*class="content"[^>]>.*<\/div>/);

但它可能会停在错误的位置。

你应该使用jquery或prototype来使它成为一个dom-object并使用选择器来找到正确的div。使用jquery你会做类似的事情：

    var divtxt = $(data).find(".content").first().html();

记得首先加载jquery库。

Answer 4

试试这个：

<div\b[^>]*class="content"[^>]*>([\s\S]*?)<\/div>

使用RegEx和打印内容查找特定div

4 个答案: