javascript - 使用 JavaScript 获取未解析的(原始)HTML

Question

我需要获取网页中某个元素的实际 html 代码。

例如，如果元素中的实际 html 代码是 "How to fix"

运行这个 JavaScript:

getElementById('myE').innerHTML

给我 "How to fix" 这是解析后的 H​​TML。

如何使用 JavaScript 获取未解析的 "How to fix"？

Answer 1

您无法获取网页部分的实际 HTML 源代码。

当您为 Web 浏览器提供 HTML 页面时，它会将 HTML 解析为一些 DOM 节点，就浏览器而言，这些节点是文档的最终版本。 DOM 保留了来自 HTML 的重要信息——比如你在单词 fix 之前使用了 Unicode 字符 U+00A0 不间断空格——但没有保留你通过实体使用它的不相关信息引用，而不仅仅是原始输入 ( )。

当您向浏览器询问元素节点的 innerHTML 时，它不会为您提供经过解析以生成该节点的原始 HTML 源代码，因为它不再具有该信息。相反，它会根据存储在 DOM 中的数据生成新的 HTML。浏览器决定如何格式化 HTML 序列化；不同的浏览器会生成不同的 HTML，并且很可能与您最初设置格式的方式不同。

特别是，

• 元素名称可以是大写或小写；

• 属性的顺序可能与您在 HTML 中声明的顺序不同；

• 属性引用可能与您的来源不同。 IE 经常生成不带引号的属性，这些属性甚至不是有效的 HTML；您可以确定的是，通过将生成的 innerHTML 写入另一个元素的 innerHTML;

，生成的 innerHTML 可以在同一浏览器中安全使用

• 除字符外，它不能使用实体引用，否则无法直接包含在文本内容中:& 符号、小于号和属性值引号。它可能不会返回  ，而是简单地为您提供原始的 字符。

您可能无法看到那是一个不间断的空格，但它仍然是一个，如果您将该 HTML 插入到另一个元素中，它将充当一个。您不需要在任何地方依赖实体转义为   的不间断空格字符...如果您这样做，出于某种原因，您可以通过以下方式获得:

x= el.innerHTML.replace(/\xA0/g, ' ')

但这只是转义 U+00A0 而不是其他数千个可能的 Unicode 字符中的任何一个，所以这有点值得怀疑。

如果您真的需要获取页面的实际源 HTML，您可以对您自己的 URL (location.href) 生成一个 XMLHttpRequest 并获取完整的、未解析的responseText 中的 HTML 源代码。几乎没有理由这样做。