JSDOM：dom.window.document.innerHTML 未定义

Question

我正在创建一个 node.js 脚本来解析来自网站的内容。在使用 returned HTML 之前，我想删除一些元素和属性。但是，当尝试从 jsdom 检索 HTML 时，我只 returned undefined。这似乎发生在我对 HTML 进行修改之前。如何使用jsdom修改HTML和return呢？

const jsdom = require('jsdom');
...
var htmlString = `<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd"><html lang=en><head>...`
paresHTML(htmlString);

function parseHTML(htmlString) {
    const dom = new jsdom.JSDOM(htmlString);

    console.log(dom.window.document.innerHTML); // This returns undefined

    dom.window.document.querySelectorAll('script').forEach(element => element.remove());
    dom.window.document.querySelectorAll('head').forEach(element => element.remove());
    dom.window.document.querySelectorAll('link').forEach(element => element.remove());
    dom.window.document.querySelectorAll('style').forEach(element => element.remove());
    dom.window.document.querySelectorAll('iframe').forEach(element => element.remove());

    dom.window.document.querySelectorAll('noscript').forEach((element) => {
        var replacement = dom.window.document.createElement('div');
        replacement.setAttribute('class', 'noscript');
        replacement.innerHTML = element.innerHTML;
        element.parentNode.replaceChild(replacement, element);
    });

    dom.window.document.querySelectorAll('img[src]').forEach((element) => {
        const src = element.getAttribute('src');
        element.setAttribute('data-src', src);
        element.removeAttribute('src');
    });

    dom.window.document.querySelectorAll('[style]').forEach((element) => {
        element.removeAttribute('style');
    });

    return dom.window.document.innerHTML; // This also returns undefined
}

Answer 1

就像前端一样，document没有innerHTML 属性:

console.log(document.innerHTML);

然而，document.documentElement 确实有它：

console.log(document.documentElement.innerHTML);

JSDom 的工作方式相同。将 .documentElement 添加到 document 访问，例如

console.log(dom.window.document.documentElement.innerHTML);

结果：

<head></head><body>...</body>

JSDOM：dom.window.document.innerHTML 未定义

JSDOM: dom.window.document.innerHTML is undefined

javascript

node.js

jsdom