博客园win8客户端开发记录3 -博客新闻列表html数据获取和解析
程序员文章站
2022-06-04 11:46:45
...
原帖地址:http://www.cnblogs.com/leonwang/archive/2013/05/31/metro-cnblogs-parsehtmllist.html
昨天晚上完成了数据源获取方式的迁移工作, 所有列表和详情数据都从开放的博客园wcf服务获得 , 删除了旧的javascript解析html提取数据的代码, 删除之前保存了一个副本, 毕竟也是测试过的,浪费过时间的东西,现记录下来,以下方法在当前博客园界面改版前是可以工作的,当然如果界面改版了, 大家都懂得 ,javascript代码如下:
// 解析博客列表,新闻列表 ,提取出json 格式数据
function parseHtml( html )
{
var page = document.createElement( 'div' );
//metro app 方法: WinJS.Utilities.setInnerHTML( page, toStaticHTML( html ) );
page.innerHTML = html;
var titleLinks = page.getElementsByClassName( 'titlelnk' ),
summaries = page.getElementsByClassName( 'post_item_summary' ),
post = page.getElementsByClassName( 'post_item_foot' ),
comments = page.getElementsByClassName( 'article_comment' ),
reads = page.getElementsByClassName( 'article_view' ),
items = [],
item,
img = [],
postLinks = [],
regx = /\d+/,
count = titleLinks.length,
dateRegx = /\d{4}-\d{1,2}-\d{1,2}\s+\d{1,2}:\d{1,2}/,
// used for key generating
nowticks = new Date().getTime();
if ( summaries.length === count
&& comments.length === count
&& post.length === count
&& comments.length === count
&& reads.length === count )
{
for ( var i = 0; i < count; i++ )
{
item = {};
item.key = nowticks++;
// title & url
item.title = titleLinks[i].innerText || '';
item.url = titleLinks[i].getAttribute( 'href' ) || '#';
// summary & img
item.summary = summaries[i].innerText;
img = summaries[i].getElementsByTagName( 'img' );
if ( img.length > 0 )
{
item.picture = img[0].getAttribute( 'src' );
} else
{
item.picture = 'images/cnblogs.png';
}
// postBy & postDate & comment & read
postLinks = post[i].getElementsByTagName( 'a' );
if ( postLinks.length === 3 )
{
item.postBy = postLinks[0].innerText;
var postDate = dateRegx.exec( postLinks[0].nextSibling.textContent );
if ( postDate && postDate[0] )
{
item.postDate = postDate[0];
var p = Date.parse( item.postDate.replace( /-/g, '/' ) );
var c = new Date().getTime(),
passedSec = ( c - p ) / 1000, // sec
passedMin = passedSec / 60, // min
passedHour = passedMin / 60, // hour
passedDay = passedHour / 24; // day
if ( passedSec < 60 )
{
item.postDate = passedSec.toFixed( 0 ) + '秒前';
}
else if ( passedMin < 60 )
{
item.postDate = passedMin.toFixed( 0 ) + '分钟前';
}
else if ( passedHour < 24 )
{
item.postDate = passedHour.toFixed( 0 ) + '小时前';
}
else if ( passedDay < 4 )
{
// passed less than 4 day
item.postDate = passedDay.toFixed( 0 ) + '天前';
}
else
{
}
}
else
{
item.postDate = '';
}
// comment
item.comment = regx.exec( postLinks[1].innerText );
if ( item.comment && item.comment.length > 0 )
{
item.comment = item.comment[0];
}
// read
item.read = regx.exec( postLinks[2].innerText );
if ( item.read && item.read.length > 0 )
{
item.read = item.read[0];
}
}
items.push( item );
}
}
else
{
// error
}
return items;
};
下面测试博客列表 , 这里我们提取博客园首页栏目第一页html,从fiddler 或chrome工具栏可以很方便得到相关url
可以看到url和相关参数, 我试了下get请求, 博客园也正常返回 : http://www.cnblogs.com/mvc/AggSite/PostList.aspx?CategoryType=SiteHome&ParentCategoryId=0&CategoryId=808&ItemListActionName=PostList&PageIndex=1 ,
得到列表html后, 测试解析函数
window.onload = function ()
{
var blogsHtml = document.getElementById( 'homepage' ).innerHTML;
var blogs = parseHtml( blogsHtml );
console.log( blogs );
};
结果如下:
同理 , 得到新闻页列表 第一页 http://www.cnblogs.com/news/1/
window.onload = function ()
{var newsHtml = document.getElementById( 'post_list' ).innerHTML;
var news = parseHtml( newsHtml );
console.log( news );
};
运行结果:
大家可能觉得js处理效率有问题, 比较慢, 其实不然,至少从感官而言, 迁移前后并未感觉加载列表速度有什么不同 ,看来IE10的js引擎也不是盖的 ,以上测试源码如下 :