标签的src属性
" />
为什么不推荐使用正则表达式解析HTML？
在处理html结构时，许多开发者会首先想到使用正则表达式。然而，html的结构复杂且不规则，包含嵌套标签、可选属性、注释等多种情况，这使得编写一个能够可靠解析所有html变体的正则表达式变得极其困难，甚至不可能。例如，一个简单的<script src="url"></script>标签，其属性顺序、引号类型、标签内部内容都可能变化，正则表达式难以优雅地处理这些情况。尝试用正则表达式解析html通常会导致代码脆弱、难以维护且容易出错。
使用DOMParser解析HTML字符串
JavaScript提供了DOMParser接口，它允许我们将HTML或XML字符串解析成一个可操作的DOM文档对象。这种方法是处理HTML字符串的标准且推荐的方式，因为它能准确模拟浏览器解析HTML的行为，并提供强大的DOM API来遍历和操作元素。
以下是如何使用DOMParser将HTML字符串转换为DOM文档的示例：
const html_code = `<html>
<head>
<script src="https://code.jquery.com/jquery-3.7.0.slim.min.js"></script>
<script src="/assets/script.js"></script>
</head>
<body>
<script>
var code = 'nope'; // 这是一个内联脚本，没有src属性
</script>
<p>其他内容</p>
<footer><script src="/assets/footer.js"></script></footer>
</body>
</html>`;
// 创建一个DOMParser实例
const parser = new DOMParser();
// 使用parseFromString方法解析HTML字符串
// 第一个参数是待解析的字符串，第二个参数指定MIME类型为'text/html'
const html_doc = parser.parseFromString(html_code, 'text/html');
console.log("解析后的DOM文档:", html_doc);执行上述代码后，html_doc将是一个完整的Document对象，我们可以像操作浏览器中的document对象一样来操作它。
提取<script>标签的src属性
一旦我们有了DOM文档对象，就可以利用其提供的querySelectorAll方法，结合CSS选择器来精准地查找目标元素。对于提取所有带有src属性的<script>标签，我们可以使用script[src]这个CSS选择器。
立即学习“前端免费学习笔记（深入）”；
querySelectorAll方法返回一个NodeList，它是一个类似数组的对象，包含所有匹配的元素。为了方便地进行迭代和数据转换，我们通常会将其转换为真正的数组，然后使用map方法来提取每个元素的src属性。
const html_code = `<html>
<head>
<script src="https://code.jquery.com/jquery-3.7.0.slim.min.js"></script>
<script src="/assets/script.js"></script>
</head>
<body>
<script>
var code = 'nope'; // 这是一个内联脚本，没有src属性
</script>
<p>其他内容</p>
<footer><script src="/assets/footer.js"></script></footer>
</body>
</html>`;
const parser = new DOMParser();
const html_doc = parser.parseFromString(html_code, 'text/html');
// 使用querySelectorAll查找所有带有src属性的script标签
const script_tags = html_doc.querySelectorAll('script[src]');
// 将NodeList转换为数组，并使用map方法提取每个script标签的src属性值
const sources = Array.from(script_tags).map((s) => s.getAttribute('src'));
console.log("提取到的脚本源URL:", sources);
// 预期输出: ["https://code.jquery.com/jquery-3.7.0.slim.min.js", "/assets/script.js", "/assets/footer.js"]在这个例子中，script[src]选择器确保我们只选取那些明确定义了src属性的<script>标签，从而排除了内联脚本（如var code = 'nope';所在的脚本块）。getAttribute('src')方法则负责获取每个匹配元素的src属性值。
在浏览器环境中直接提取
如果您的HTML内容已经存在于当前的浏览器DOM中，例如您想从当前页面中提取所有脚本的src，那么您不需要使用DOMParser。可以直接使用document.querySelectorAll方法来完成相同的任务：
// 假设您在浏览器控制台中运行此代码
// 它将从当前页面的DOM中提取所有带有src属性的script标签的URL
const current_page_script_sources = Array.from(document.querySelectorAll('script[src]')).map((s) => s.getAttribute('src'));
console.log("当前页面脚本源URL:", current_page_page_script_sources);注意事项
- 安全性： 当处理来自不可信源的HTML字符串时，请务必小心。虽然DOMParser本身不会执行脚本，但将解析后的内容插入到实际DOM中可能会引入跨站脚本攻击（XSS）的风险。在展示或操作外部HTML时，应进行适当的净化和验证。
- 性能： 对于非常庞大或复杂的HTML字符串，DOMParser的解析可能会消耗一定的性能。在极端情况下，如果需要处理海量HTML，可能需要考虑流式解析或其他更优化的方案。
- 非标准HTML： DOMParser会尽力解析非标准的HTML，但如果HTML结构严重损坏，可能无法得到预期的DOM结构。
总结
从HTML字符串中提取特定信息，特别是像<script>标签的src属性这样的结构化数据，最佳实践是利用JavaScript的DOMParser接口。通过将HTML字符串转换为可操作的DOM文档，我们可以利用强大的CSS选择器和DOM API（如querySelectorAll和getAttribute）来高效、准确地定位和提取所需数据，从而避免了正则表达式在HTML解析中的复杂性和局限性。在浏览器环境中，如果HTML内容已存在于DOM中，则可直接使用document.querySelectorAll进行操作。
