jquery - 使用 Cheerio 正则表达式搜索格式不良的 HTML 的叶节点

我有一些格式很差的 HTML(例如下面的)，并且我想要获取其文本与给定正则表达式匹配的叶节点(没有任何其他子节点):

<html>
  <head>
    <title>co20140725-ex99_1.htm</title>
  </head>
  <body bgcolor="#ffffff" style="DISPLAY: inline; FONT-FAMILY: Times New Roman; FONT-SIZE: 10pt">
  <div>
  <div style="TEXT-ALIGN: left">&#160;</div>
  <div style="TEXT-ALIGN: right">EXHIBIT 99.1</div>
  <div style="TEXT-ALIGN: left">&#160;</div>
  <div style="TEXT-ALIGN: left">
  <div style="TEXT-INDENT: 0pt; DISPLAY: block; MARGIN-LEFT: 0pt; MARGIN-RIGHT: 0pt" align="left">
  <div style="TEXT-ALIGN: center"><font style="FONT-WEIGHT: bold">ANNOUNCES</font></div>
</html>

我使用的是cheerio，它本质上实现了jQuery 遍历API。到目前为止我尝试过的:

:contains选择器不支持正则表达式，甚至不支持大小写不敏感的文本:
```
var text = $('body').filter(':contains("ANNOUNCES")');
```

each ，然后是标准 JavaScript match :

$('body').each(function (i, elem) {
  if ($(this).text().match(/announces/i)) {
    var text = $(this).text();
  }
}

children ，但它输出一个字符串，即 HTML 中的所有文本:

$('p, b, div, font').children(':contains("string I\'m looking for but this isn\'t case-sensitive like match is")').children().first().text();

我认为问题在于嵌套子元素的数量可变，并且出于某种原因我确实获得了所有元素，但每个元素都有一堆子元素，而我无法迭代通过它们并测试文本。

你可以看到有一堆可变嵌套的元素，通常是 .find()将适用于搜索 <body> 中的所有元素但是.find()和.filter()在这种情况下根本不起作用。

关于如何使用正则表达式搜索此 HTML 中的文本有什么想法吗？

完整示例 HTML 可以在 here 找到.

最佳答案

澄清后，问题分为两部分:

Get only the leaf nodes ，也就是说，那些没有自己的子项，但只包含您要查找的文本的内容。这将避免您在使用 children 的第三种方法中遇到的问题。有两种方法可以做到这一点:
- *:not(:has('*')) 选择器
- 选择所有元素 ('*')，然后筛选具有零个子元素的节点。这比流行的复杂选择器方法快几倍。
过滤叶节点，查找 textContent 与正则表达式匹配的节点。

代码如下:

$('*').map(function() {
  if (this.children.length) return null;
  if (this.textContent.match(/N/)) return this.textContent;
});

Here's the JSBin. (忽略 window.runnerWindow.proxyConsole 无关输出；它是 JSBin 工件。)

关于jquery - 使用 Cheerio 正则表达式搜索格式不良的 HTML 的叶节点，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/24988030/

jquery - 使用 Cheerio 正则表达式搜索格式不良的 HTML 的叶节点

上一篇：javascript - 查找在 HTML5 Canvas 中绘制的对象的位置

下一篇：html - 如何让CSS动画跳跃而不是滑动