从刮网页获取页面标题

Question

var http = require('http'); 
var urlOpts = {host: 'www.nodejs.org', path: '/', port: '80'}; 
http.get(urlOpts, function (response) { 
response.on('data', function (chunk) { 
var str=chunk.toString(); 
var re = new RegExp("(<\s*title[^>]*>(.+?)<\s*/\s*title)\>", "g") 
console.log(str.match(re)); 
}); 

}); 

输出

user@dev ~ $ node app.js [ 'node.js' ] null null

我只需要拿到冠军。

Answer 1

我会使用的RegEx.exec代替String.match建议。您还可以定义使用文本语法的正则表达式，只有一次：

var http = require('http'); 
var urlOpts = {host: 'www.nodejs.org', path: '/', port: '80'}; 
var re = /(<\s*title[^>]*>(.+?)<\s*\/\s*title)>/gi; 
http.get(urlOpts, function (response) { 
    response.on('data', function (chunk) { 
     var str=chunk.toString(); 
     var match = re.exec(str); 
     if (match && match[2]) { 
      console.log(match[2]); 
     } 
    });  
}); 

代码还假定title将在一个块完全和两个块之间不分裂。或许，这将是最好保持大块的聚集，以防title是块之间的分裂。一旦找到它，您可能还想停止寻找title。