JavaScript--模拟网络爬虫 

 1 <!doctype html>
 2 <html>
 3  <head>
 4   <meta charset="UTF-8">
 5   <title>Document</title>
 6   <script>
 7     function getUrls(){
 8       var reg=
 9         /<a\s+[^>]*?href=['"]([^'"]+?)['"][^>]*?>/g;
10       var arr=null;//声明变量arr，初始化为null
11       //获取body元素的内容，保存在变量html中
12       var html=document.body.innerHTML;
13       //反复查找html中符合reg规则的字符串，保存在arr中，如果arr不等于null，就继续找
14       while((arr=reg.exec(html))!=null){
15         //arr: ["<a ....>","http://..."]
16         //输出本次找到的a元素
17         console.log(arr[1]);
18                   //RegExp.$1 取出本次匹配的第一个分组的子内容
19       }
20     }
21   </script>
22  </head>
23  <body>
24   <link href="index.css"/><body><a class="header" href="http://tedu.cn">go to tedu</a><h1>welcome</h1><a name="top"></a><div>Hello World</div><a href="http://tmooc.cn" target="_blank">go to tmooc</a></body>
25   <button onclick="getUrls()">开始爬虫</button>
26  </body>
27 </html>

 

posted @ 2016-05-22 19:18  陈小银  阅读(620)  评论(0)    收藏  举报