网页爬虫 - 如何用javascript解析html判断该元素最后有没有加上 / >

问题描述

问 题

希望能够利用javascript解析html字串，判断所有的<img>元素，如果结尾有加上/>，就像是<img />的话，就删除。
假设现在有一组字串：

<h1>h1</h1>
<img id="a" src="https://placehold.it/200x200" alt="" />
<h2>h2</h2>
<img id="b" src="https://placehold.it/200x200" alt="">

希望能够改为

<h1>h1</h1>
<img id="a" src="https://placehold.it/200x200" alt="">
<h2>h2</h2>
<img id="b" src="https://placehold.it/200x200" alt="">

我尝试使用jquery做判断，发现读入jquery时，似乎好像已经被标准化了，无法从jquery对象中判断原本的img tag 的html。

html

<img id="a" src="https://placehold.it/200x200" alt="" /> 
<img id="b" src="https://placehold.it/200x200" alt="">

javascript

console.log($("#a"));
console.log($("#b")); 

两个打印出来的元素是一模一样的。

在python中的beautifulSoup和tag中，有个接口叫做isSelfClosing正是我需要的，请问这个在javascript有类似的库和接口吗？我找了jquery和cheerio的文档都没找到

解决方案

这样可以实现,你复制到浏览器试试,可能不一定能达到你想要的效果,不过可以做到你说的那样.

document.body.innerHTML.match(/(<img.*?>)/mg).map((item)=> item.replace(/(?=.*?)\/>$/, '>'))

将原 HTML 中不合规的 img 标签全部替换

'原 HTML'.replace(/(<img.*?>)/mg, (item) => item.replace(/(?=.*?)\/>$/, '>'))

经@tengqingya提醒,修改了一下

原答案

document.body.innerHTML.match(/(<img.*?>)/mg).map((item)=> item.replace(/(?=.*?)\/?>$/, '')+'>')

这篇关于网页爬虫 - 如何用javascript解析html判断该元素最后有没有加上 / &gt;的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！