※こちらに移行しました。← 2018/11/24
概要
HTMLの中からaタグ・imgタグのリンクを抽出するツールを作りました。
a href抽出
img src抽出
HTMLテキストをコピペするとaタグ・imgタグのリンクを抽出します。
pythonのスクレイピング関連ツール(bs4)とかを使えば、
簡単にパースをすることができると思いますが、
フロントの機能だけで(JSのみで)成り立つのがメリットかと思います。
デモ
https://tech-blog.s-yoshiki.com/2018/08/347/
https://jsfiddle.net/s_yoshiki/m3uboag5/
DomParserの紹介
DOMParser - Web API インターフェイス | MDN
xml html svgなどをパースします。
DOMParser の生成
parser.parseFromString()を使うことでdocumentオブジェクトを返り値として受け取ることができます。
getElementById()などが使えるということです。
document - Web API インターフェイス | MDN
var parser = new DOMParser();
var doc = parser.parseFromString(stringContainingXMLSource, "application/xml");
// SVGDocument でも HTMLDocument でもなく、Document が返る
parser = new DOMParser();
doc = parser.parseFromString(stringContainingXMLSource, "image/svg+xml");
// SVGDocument (Document) が返る
parser = new DOMParser();
doc = parser.parseFromString(stringContainingHTMLSource, "text/html");
// HTMLDocument (Document) が返る
aタグLinkの取得
以下の方法でリンクを取得できます。
Array.from(doc.links, (e) => {
return e.getAttribute("href").toString()
})
document.links - Web API インターフェイス | MDN
imgタグのsrcの場合は以下ように取得します。
Array.from(doc.images, (e) => {
return e.getAttribute("src").toString()
})
document.images - Web API インターフェイス | MDN
ソース
HTML
<!--
<link type="text/css" rel="stylesheet" href="//unpkg.com/bootstrap/dist/css/bootstrap.min.css"/>
<link type="text/css" rel="stylesheet" href="//unpkg.com/bootstrap-vue@latest/dist/bootstrap-vue.css"/>
<script src="//unpkg.com/babel-polyfill@latest/dist/polyfill.min.js"></script>
<script src="//unpkg.com/bootstrap-vue@latest/dist/bootstrap-vue.js"></script> -->
<header>
<div class="container">
<h1>html Parser</h1>
<span>htmlをパースします</span>
</div>
</header>
<hr>
<main>
<div class="container">
<div>
<textarea class="form-control" id="text"><html>
<body>
<div>
<p id="hello">
Hello World!
</p>
<a href="http://hoge.co.jp"></a>
</div>
</body>
</html>
</textarea>
</div>
<hr>
<div>
<div>
<select name="horoscope" class="form-control" id="select">
<option value="1">a - href</option>
<option value="2">img - src</option>
</select>
</div>
<div>
<label class="radio-inline"><input type="radio" name="format" id="type:json" checked> JSON </label>
<label class="radio-inline"><input type="radio" name="format" id="type:csv"> CSV </label>
</div>
</div>
<div align="right">
<button class="btn btn-primary mb-2" id="run">
run
</button>
</div>
<hr>
<div>
<textarea class="form-control" id="result"></textarea>
</div>
</div>
</main>
<hr>
<footer>
<div class="container">
</div>
</footer>
JS
(() => {
"use stricts"
document.getElementById("run").addEventListener("click", () => {
try {
let src = document.getElementById("text").value
let parsed_obj = getParsedObject(src)
let type_csv = document.getElementById("type:csv").checked
let dst = {}
let mode = document.getElementById("select").value
if (mode === '1') {
dst = getHrefs(parsed_obj)
} else if (mode === '2') {
dst = getImgSrcs(parsed_obj)
}
if (type_csv) {
document.getElementById("result").value = putList(dst)
} else {
document.getElementById("result").value = JSON.stringify(dst)
}
} catch (e) {
alert(e)
}
})
function getParsedObject(str_html) {
let parser = new DOMParser()
let doc = parser.parseFromString(str_html, "text/html")
return doc
}
function getHrefs(doc) {
return Array.from(
doc.links,
(e) => {
return e.getAttribute("href").toString()
}
)
}
function getImgSrcs(doc) {
return Array.from(
doc.images,
(e) => {
return e.getAttribute("src").toString()
}
)
}
function putList(src) {
var result = ""
src.forEach((e) => {
result += e + "\n"
})
return result
}
})()
何かしら役に立つ場面はあると思います。