深入理解DOM

来源：互联网发布：php,多表联查编辑：程序博客网时间：2024/06/11 13:35

发现在进行网页爬取的时候，经常用到DOM

http://www.w3school.com.cn/htmldom/index.asp

上面这个网页有深入介绍，推荐给大家。

HTML 文档对象模型（HTML Document Object Model）定义了访问和处理 HTML 文档的标准方法。

您应当具备的基础知识

在继续学习之前，您需要对下面的知识有基本的了解：

HTML / XHTML
JavaScript

如果您希望首先学习这些项目，请在我们的首页访问这些教程。

什么是 DOM？

通过 JavaScript，您可以重构整个 HTML 文档。您可以添加、移除、改变或重排页面上的项目。

要改变页面的某个东西，JavaScript 就需要获得对 HTML 文档中所有元素进行访问的入口。这个入口，连同对 HTML 元素进行添加、移动、改变或移除的方法和属性，都是通过文档对象模型来获得的（DOM）。

在 1998 年，W3C 发布了第一级的 DOM 规范。这个规范允许访问和操作 HTML 页面中的每一个单独的元素。

所有的浏览器都执行了这个标准，因此，DOM 的兼容性问题也几乎难觅踪影了。

DOM 可被 JavaScript 用来读取、改变 HTML、XHTML 以及 XML 文档。

DOM 被分为不同的部分（核心、XML及HTML）和级别（DOM Level 1/2/3）：

Core DOM: 定义了一套标准的针对任何结构化文档的对象
XML DOM: 定义了一套标准的针对 XML 文档的对象
HTML DOM: 定义了一套标准的针对 HTML 文档的对象。

您可以在我们的《W3C教程》阅读更多有关 W3C DOM 规范/级别的信息。

HTML 文档中的每个成分都是一个节点。

节点

根据 DOM，HTML 文档中的每个成分都是一个节点。

DOM 是这样规定的：

整个文档是一个文档节点
每个 HTML 标签是一个元素节点
包含在 HTML 元素中的文本是文本节点
每一个 HTML 属性是一个属性节点
注释属于注释节点

Node 层次

节点彼此都有等级关系。

HTML 文档中的所有节点组成了一个文档树（或节点树）。HTML 文档中的每个元素、属性、文本等都代表着树中的一个节点。树起始于文档节点，并由此继续伸出枝条，直到处于这棵树最低级别的所有文本节点为止。

下面这个图片表示一个文档树（节点树）：

一棵节点树中的所有节点彼此都是有关系的。

文档树（节点数）

请看下面这个HTML文档：

<html>  <head>    <title>DOM Tutorial</title>   </head>   <body>     <h1>DOM Lesson one</h1>     <p>Hello world!</p>   </body> </html>

上面所有的节点彼此间都存在关系。

除文档节点之外的每个节点都有父节点。举例，<head> 和 <body> 的父节点是 <html> 节点，文本节点 "Hello world!" 的父节点是 <p> 节点。

大部分元素节点都有子节点。比方说，<head> 节点有一个子节点：<title> 节点。<title> 节点也有一个子节点：文本节点 "DOM Tutorial"。

当节点分享同一个父节点时，它们就是同辈（同级节点）。比方说，<h1> 和 <p>是同辈，因为它们的父节点均是 <body> 节点。

节点也可以拥有后代，后代指某个节点的所有子节点，或者这些子节点的子节点，以此类推。比方说，所有的文本节点都是 <html>节点的后代，而第一个文本节点是 <head> 节点的后代。

节点也可以拥有先辈。先辈是某个节点的父节点，或者父节点的父节点，以此类推。比方说，所有的文本节点都可把 <html> 节点作为先辈节点。

通过 DOM，您可访问 HTML 文档中的每个节点。

查找并访问节点

你可通过若干种方法来查找您希望操作的元素：

通过使用 getElementById() 和 getElementsByTagName() 方法
通过使用一个元素节点的 parentNode、firstChild 以及 lastChild 属性

getElementById() 和 getElementsByTagName()

getElementById() 和 getElementsByTagName() 这两种方法，可查找整个 HTML 文档中的任何 HTML 元素。

这两种方法会忽略文档的结构。假如您希望查找文档中所有的 <p> 元素，getElementsByTagName() 会把它们全部找到，不管 <p> 元素处于文档中的哪个层次。同时，getElementById() 方法也会返回正确的元素，不论它被隐藏在文档结构中的什么位置。

这两种方法会向您提供任何你所需要的 HTML 元素，不论它们在文档中所处的位置！

getElementById() 可通过指定的 ID 来返回元素：

getElementById() 语法

document.getElementById("ID");

注释：getElementById() 无法工作在 XML 中。在 XML 文档中，您必须通过拥有类型 id 的属性来进行搜索，而此类型必须在 XML DTD 中进行声明。

getElementsByTagName() 方法会使用指定的标签名返回所有的元素（作为一个节点列表），这些元素是您在使用此方法时所处的元素的后代。

getElementsByTagName() 可被用于任何的 HTML 元素：

getElementsByTagName() 语法

document.getElementsByTagName("标签名称");

或者：

document.getElementById('ID').getElementsByTagName("标签名称");

实例 1

下面这个例子会返回文档中所有 <p> 元素的一个节点列表：

document.getElementsByTagName("p");

实例 2

下面这个例子会返回所有 <p> 元素的一个节点列表，且这些 <p> 元素必须是 id 为 "maindiv" 的元素的后代：

document.getElementById('maindiv').getElementsByTagName("p");

节点列表（nodeList）

当我们使用节点列表时，通常要把此列表保存在一个变量中，就像这样：

var x=document.getElementsByTagName("p");

现在，变量 x 包含着页面中所有 <p> 元素的一个列表，并且我们可以通过它们的索引号来访问这些 <p> 元素。

注释：索引号从 0 开始。

您可以通过使用 length 属性来循环遍历节点列表：

var x=document.getElementsByTagName("p");for (var i=0;i<x.length;i++)  {   // do something with each paragraph  }

您也可以通过索引号来访问某个具体的元素。

要访问第三个 <p> 元素，您可以这么写：

var y=x[2];

parentNode、firstChild以及lastChild

这三个属性 parentNode、firstChild 以及 lastChild 可遵循文档的结构，在文档中进行“短距离的旅行”。

请看下面这个 HTML 片段：

<table>  <tr>    <td>John</td>    <td>Doe</td>    <td>Alaska</td>  </tr></table>

在上面的HTML代码中，第一个 <td> 是 <tr> 元素的首个子元素（firstChild），而最后一个 <td> 是 <tr>元素的最后一个子元素（lastChild）。

此外，<tr> 是每个 <td>元素的父节点（parentNode）。

对 firstChild 最普遍的用法是访问某个元素的文本：

var x=[a paragraph];var text=x.firstChild.nodeValue;

parentNode 属性常被用来改变文档的结构。假设您希望从文档中删除带有 id 为 "maindiv" 的节点：

var x=document.getElementById("maindiv");x.parentNode.removeChild(x);

首先，您需要找到带有指定 id 的节点，然后移至其父节点并执行 removeChild() 方法。

根节点

有两种特殊的文档属性可用来访问根节点：

document.documentElement
document.body

第一个属性可返回存在于 XML 以及 HTML 文档中的文档根节点。

第二个属性是对 HTML 页面的特殊扩展，提供了对 <body> 标签的直接访问。

nodeName、nodeValue 以及 nodeType 包含有关于节点的信息。

节点信息

每个节点都拥有包含着关于节点某些信息的属性。这些属性是：

nodeName（节点名称）
nodeValue（节点值）
nodeType（节点类型）

nodeName

nodeName 属性含有某个节点的名称。

元素节点的 nodeName 是标签名称
属性节点的 nodeName 是属性名称
文本节点的 nodeName 永远是 #text
文档节点的 nodeName 永远是 #document

注释：nodeName 所包含的 XML 元素的标签名称永远是大写的

nodeValue

对于文本节点，nodeValue 属性包含文本。

对于属性节点，nodeValue 属性包含属性值。

nodeValue 属性对于文档节点和元素节点是不可用的。

nodeType

nodeType 属性可返回节点的类型。

最重要的节点类型是：

元素类型节点类型元素1属性2文本3注释8文档9

一个 HTML DOM 的实例

下面这个例子向我们展示了当一个用户在文档中点击时，HTML 文档的背景颜色如何被改变。

<html><head><script type="text/javascript">function ChangeColor(){document.body.bgColor="yellow"}</script></head><body onclick="ChangeColor()">Click on this document!</body></html>

TIY

Browser 对象参考手册

点击以下链接，可以获得以下对象的更多信息，包括它们的集合、属性、方法以及事件。其中包含大量实例！

对象描述WindowJavaScript 层级中的顶层对象，表示浏览器窗口。Navigator包含客户端浏览器的信息。Screen包含客户端显示屏的信息。History包含了浏览器窗口访问过的 URL。Location包含了当前 URL 的信息。

HTML DOM 对象参考手册

请点击下面的链接，学习更多有关对象及其集合、属性、方法和事件的知识。其中包含大量实例！

对象描述Document代表整个 HTML 文档，可被用来访问页面中的所有元素Anchor代表 <a> 元素Area代表图像映射中的 <area> 元素Base代表 <base> 元素Body代表 <body> 元素Button代表 <button> 元素Event代表某个事件的状态Form代表 <form> 元素Frame代表 <frame> 元素Frameset代表 <frameset> 元素Iframe代表 <iframe> 元素Image代表 <img> 元素Input button代表 HTML 表单中的一个按钮Input checkbox代表 HTML 表单中的复选框Input file代表 HTML 表单中的文件上传Input hidden代表 HTML 表单中的隐藏域Input password代表 HTML 表单中的密码域Input radio代表 HTML 表单中的单选按钮Input reset代表 HTML 表单中的重置按钮Input submit代表 HTML 表单中的确认按钮Input text代表 HTML 表单中的文本输入域（文本框）Link代表 <link> 元素Meta代表 <meta> 元素Object代表 <Object> 元素Option代表 <option> 元素Select代表 HTML 表单中的选择列表Style代表单独的样式声明Table代表 <table> 元素TableData代表 <td> 元素TableRow代表 <tr> 元素Textarea代表 <textarea> 元素

HTML DOM 概要

本教程已经向您讲授了如何使用 HTML DOM 提高您的网站的动态性和交互性。

您已经学习了操作 HTML 元素来对不同的情况作出响应。

如需更多有关 HTML DOM 的信息，请访问我们的 HTML DOM 实例和 HTML DOM 参考手册。

现在您已经学习了 HTML DOM，下一步呢？

下一步，您应当学习 ASP。

HTML 文件中的脚本是在客户端（浏览器中）执行的，而 ASP 文件中的脚本是在服务器上执行的。

通过 ASP，你可以动态地编辑、改变、添加网页的任何内容，对从 HTML 表单提交的信息作出响应，访问任何数据或者数据库并把结果返回浏览器，为不同的用户定制网页，使页面的可用性更强。

由于 ASP 文件所返回的内容是纯粹的 HTML，因此它们可显示于任何浏览器中。

如果您希望学习更多有关ASP的知识，请访问我们的 ASP 教程。