使用Javascript從HTML提取文本

Question

我想使用純Javascript從HTML提取文本（這是針對Chrome擴展程序）。

具體來說，我希望能夠在頁面上找到文本並在其后提取文本。

更具體地說，在類似

https://picasaweb.google.com/kevin.smilak/BestOfAmericaSGrandCircle#4974033581081755666

我想查找“緯度”文本並提取其后的值。 HTML並不是一種非常結構化的形式。

有什么優雅的解決方案？

Answer 1

我認為沒有優雅的解決方案，因為正如您所說的，HTML不是結構化的，並且“緯度”和“經度”一詞取決於頁面的本地化。 我能想到的最好的是依靠基本觀點，這可能不會改變...

var data = document.getElementById("lhid_tray").innerHTML;
var lat = data.match(/((\d)*\.(\d)*)°(\s*)(N|S)/)[1];
var lon = data.match(/((\d)*\.(\d)*)°(\s*)(E|W)/)[1];

Answer 2

你可以做

var str = document.getElementsByClassName("gphoto-exifbox-exif-field")[4].innerHTML;
var latPos = str.indexOf('Latitude')
lat = str.substring(str.indexOf('<em>',latPos)+4,str.indexOf('</em>',latPos))

Answer 3

您感興趣的文本位於類gphoto-exifbox-exif-field的div 。 由於這是針對Chrome擴展程序的，因此我們擁有document.querySelectorAll ，可以輕松選擇該元素：

var div = document.querySelectorAll('div.gphoto-exifbox-exif-field')[4],
    text = div.innerText;

/* text looks like:
"Filename: img_3474.jpg
Camera: Canon
Model: Canon EOS DIGITAL REBEL
ISO: 800
Exposure: 1/60 sec
Aperture: 5.0
Focal Length: 18mm
Flash Used: No
Latitude: 36.872068° N
Longitude: 111.387291° W"
*/

現在很容易獲得您想要的東西：

var lng = text.split('Longitude:')[1].trim(); // "111.387291° W"

我使用trim()而不是split('Longitude: ')因為那實際上不是innerText的空格字符（URL編碼，它是%C2%A0 。。。沒有時間弄清楚映射到的內容，對不起）。

Answer 4

我將查詢DOM並將圖像信息收集到一個對象中，以便您可以引用所需的任何屬性。

例如

function getImageData() {
    var props = {};
    Array.prototype.forEach.apply(
        document.querySelectorAll('.gphoto-exifbox-exif-field > em'),
        [function (prop) {
            props[prop.previousSibling.nodeValue.replace(/[\s:]+/g, '')] = prop.textContent;
        }]
    );
    return props;
}

var data = getImageData();
console.log(data.Latitude); // 36.872068° N

Answer 5

好吧，如果其他站點需要更一般的答案，那么您可以嘗試以下方法：

var text = document.body.innerHTML;
text = text.replace(/(<([^>]+)>)/ig,"");  //strip out all HTML tags
var latArray = text.match(/Latitude:?\s*[^0-9]*[0-9]*\.?[0-9]*\s*°\s*[NS]/gim);
//search for and return an array of all found results for:
//"latitude", one or 0 ":", white space, A number, white space, 1 or 0 "°", white space, N or S
//(ignores case)(ignores multi-line)(global)

對於該示例，將返回一個包含1個元素的數組，其中包含“緯度：36.872068°N”（應該易於解析）。