标签：
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>
标签：
原文地址：http://www.cnblogs.com/chenzeyongjsj/p/5517499.html
