使用JavaScript原生語法來解析HTML字串
前言
說到爬蟲，相信大家最直接想到的就是使用Python來做
但若以Node.Js為主的開發者，尤其是有自用的小工具網站
為求方便，通常會選用Node.Js當Server，畢竟一個語言可以直接開發前後端，著實方便不少
而Node.Js開發爬蟲也算方便，npm上也有不少爬蟲工具可以直接使用
當把頁面爬下來後，多半會配合jQuery來取得自己要的資料
若不是太複雜的取值，又希望不要安裝太多套件，讓服務精簡一點
其實使用原生的JavaScript語法，也可以快速又有效的取到內容！
寫法
直接上程式碼
// 將爬到的網站存在htmlString，傳入buildWebData
// 當然實際上爬到的HTML字串一定更長又全部擠在一行，此僅簡單舉例
const htmlString = `<html>
<head>
<title>我的標題</title>
</head>
<body>
<div class="container">
<div id="myTable">
<div class="col-id"> 第一欄 </div>
<div class="col-id"> 第二欄 </div>
</div>
</div>
</body>
</html>`;
function buildWebData(htmlString) {
const html = document.createElement( 'html' );
html.innerHTML = htmlString;
const title = document.getElementsByTagName('title')[0].innerText // 取得title：我的標題
const colIds = html.getElementsByClassName('col-id');// 會得到 2筆HTML物件
for(let colId of colIds) {
console.log(colId.innerText);
}
}
要注意的是，原生JavaScript語法，取到的值都是陣列，就算確定只會有一筆資料(如title)，也要記得寫上[0]再加上.innerText，來得到內容。不然都會是undefine