刮掉某些數據的網頁

Question

我們正在創建一個腳本。

本質上是用戶進入一個表單域：3358928 OnSubmit ajax，訪問下面的頁面，附加用戶輸入到url中的數字字符串。

http://www.fairtrading.qld.gov.au/ftlr/Default.aspx?ResultType=LNum&LNum=3358928&LType=REAL%20ESTATE&Page=1

在該網址上，是第一個有名有姓。 我們將如何刮掉名字和姓氏，並將其回顯至我們的表格。

從抓取頁面開始，問題就出現了。

任何幫助表示讚賞。

Answer 1

首先，您的Web服務器必須設置爲代理所有客戶端的請求。否則，第三方服務器would have to send an Access-Control-Allow-Origin header和訪問者的瀏覽器將不得不支持跨域XMLHttpRequest。 （Flash/Silverlight同樣需要crossdomain.xml文件。）

這正是http://ajax-cross-domain.com/的工作方式。 （這個特定的代理腳本恰好爲JavaScript編碼第三方服務器的響應。）

我注意到特定頁面包括XHTML文檔類型，這似乎表明，你可以使用本地的XMLHttpRequest的responseXML財產或jQuery（與AJAX Cross Domain相對）利用瀏覽器的XML解析器。不幸的是，這只是另一個輸出無效的XML —的網站，它不能正確編碼＆符號作爲&。

因此，您很可能會訴諸正則表達式，即not ideal。最有可能，最簡單的方法是找到td元素（依靠事實完全相同的標籤沒有嵌套）的文本：

// Creating the regexp object  
var regex = /<td class="BodyFont">(.*?)<\/td>/g; 

// Execute this line of code as many times as needed. 
contentsOfNextTd = regex.exec(textOfThePage)[1]; 

排序的醜，認爲這將是，如果只是簡單得多我們有有效的XML可以使用。如果您有選擇，我會建議在自己的服務器上抓取頁面，並返回格式良好的JSON或XML響應—無論如何您都需要服務器端代理，並且它會使客戶端代碼更簡單。