javascript - 如何使用 XMLHttpRequest 在后台下载 HTML 页面并从中提取文本元素？

Question

我想制作一个 Greasemonkey 脚本，当您在 URL_1 中时，该脚本会在后台解析 URL_2 的整个 HTML 网页，以便从中提取文本元素。

具体来说，我想在后台下载整个页面的 HTML 代码(一个 Rotten Tomatoes 页面)并将其存储在一个变量中，然后使用 getElementsByClassName[0] 以便从类名为“critic_consensus”的元素中提取我想要的文本。

我在 MDN 中找到了这个:HTML in XMLHttpRequest所以，我最终遇到了这个不幸的非工作代码:

var xhr = new XMLHttpRequest();
xhr.onload = function() {
  alert(this.responseXML.getElementsByClassName(critic_consensus)[0].innerHTML);
}
xhr.open("GET", "http://www.rottentomatoes.com/m/godfather/",true);
xhr.responseType = "document";
xhr.send();

当我在 Firefox Scratchpad 中运行它时，它显示了这个错误消息:

Cross-Origin Request Blocked: The Same Origin Policy disallows reading the remote resource at http://www.rottentomatoes.com/m/godfather/. This can be fixed by moving the resource to the same domain or enabling CORS.

附言。我不使用 Rotten Tomatoes API 的原因是 they've removed the critics consensus from it .

Answer 1

对于跨源请求，获取的站点没有帮助设置允许的 CORS policy , Greasemonkey 提供the GM_xmlhttpRequest() function . (大多数其他用户脚本引擎也提供此功能。)

GM_xmlhttpRequest 专为允许跨源请求而设计。

要获取目标信息，请在结果上创建一个 DOMParser。不要使用 jQuery 方法，因为这会导致加载无关的图像、脚本和对象，从而减慢速度或使页面崩溃。

这里有一个完整的脚本来说明这个过程:

// ==UserScript==
// @name        _Parse Ajax Response for specific nodes
// @include     http://stackoverflow.com/questions/*
// @require     http://ajax.googleapis.com/ajax/libs/jquery/2.1.0/jquery.min.js
// @grant       GM_xmlhttpRequest
// ==/UserScript==

GM_xmlhttpRequest ( {
    method: "GET",
    url:    "http://www.rottentomatoes.com/m/godfather/",
    onload: function (response) {
        var parser  = new DOMParser ();
        /* IMPORTANT!
            1) For Chrome, see
            https://developer.mozilla.org/en-US/docs/Web/API/DOMParser#DOMParser_HTML_extension_for_other_browsers
            for a work-around.

            2) jQuery.parseHTML() and similar are bad because it causes images, etc., to be loaded.
        */
        var doc         = parser.parseFromString (response.responseText, "text/html");
        var criticTxt   = doc.getElementsByClassName ("critic_consensus")[0].textContent;

        $("body").prepend ('<h1>' + criticTxt + '</h1>');
    },
    onerror: function (e) {
        console.error ('**** error ', e);
    },
    onabort: function (e) {
        console.error ('**** abort ', e);
    },
    ontimeout: function (e) {
        console.error ('**** timeout ', e);
    }
} );