Extraer parrafos del body con split

[mesoriginal]

Saludos,

Quisiera saber si alguien podria ayudarme con un problema que tengo. Extraigo el body de mi pagina con JavaScript y luego quiero capturar SÓLO los parrafos <p>texto texto texto</p>.

Es decir capturo esto:

<div>blablabla</div>

<p>texto texto texto1</p>.

<p>texto texto texto2</p>.

<p>texto texto texto3</p>.

Y quiero guardar en una variable esto:

var Parrafos = array(parrafo1 => texto texto texto 1, parrafo2 => texto texto texto 2, parrafo3 => texto texto texto 3)


Estoy provando con esto:

Código Javascript:

<script  type="text/javascript">
 
    var str = "<p>I am confused asasas asasasa</p><p>I am confused asasas asasasa</p><p>I am confused asasas asasasa</p><p>I am confused asasas asasasa</p><p>I am confused asasas asasasa</p>";
    
    var frags = str.split(/<p>(.{10,300})<\/p>/);
    
    alert(frags);
 
</script>
 

Pero no me sirve.

[mesoriginal]

La cosa seria hacer esto:

Código PHP:

  $contenido = file_get_contents($url_sitio);
$regexp = "<p>(.{10,300})<\/p>";
if(preg_match_all("/$regexp/siU", $contenido, $parrafos, PREG_SET_ORDER)) { 
  foreach($parrafos as $parrafo) {
     $parrafo = $parrafo[0];
     // Acá haz lo que quieras con el párrafo
  }
} 
   

En JavaScript.

Muchas gracias! =)

[zerokilled]

buenas,
estas haciendo un split. si eres experimentado con las expresiones regulares, sabras que en split la función toma el patrón como la posición donde debe cortar en el string. el resultado es un array de string sin incluir la porción por donde se dividio. en resumen, estas utilizando el método incorrecto. debes usar el método match de los string y como argumento el patrón. string.match(pattern). dado que javascript contiene una sola función match para realizar pareos múltiples o individuales, debes asignar el flag global al patrón en caso de realizar pareos múltiples.

en todo caso, me pregunto si no te sería más fácil buscar todos los elementos P a nivel de DOM. dependiendo el propósito, creo que es mucho más corto y cómodo. solo debes usar el método getElementsByTagName indicando como argumento el nombre de la etiqueta a capturar. document.getElementsByTagName('p');

[mesoriginal]

Gracias =)

Entonces estoy tratando de hacerlo como me dijistes:

Código Javascript:

var p = document.getElementsByTagName("p").item(0).innerHTML;
 

Pero no se como hacerlo para todos los <p> Solo me coge el primero item(0) como hago para que los coja todos?

Gracias.

[mesoriginal]

Perdon me corrigo:


La mejor opcion es para mi creo string.match(patron)

Código Javascript:

var frags = bodyTAG.match(/<p>(.{20,300})<\/p>/g);
 
console.log(frags);
 

En principio esto tendria que devolverme los parrafos entre 20 y 300 caracteres pero no lo hace hay alguna cosa mal en la expresion regular?

Gracias.

Saludos

[zerokilled]

en teoría, la validez de un patrón depende de las circunstancias. por ejemplo, ¿has considerador si los elementos tienen atributos? ¿o si existen caracteres que la clase ANY (.) no puede capturar? por ejemplo, el punto no puede capturar caracteres tipo line-termination como lo son los saltos de línea.

respecto a getElementsByTagName, dicho método devuelve una colección de elementos el cuál puedes recorrerlo con un bucle -en tu caso- para extraer el contenido en una variable. lo único que no estará limitado a 20-300 caracteres. si dicho factor es un requisito, en el mismo bucle puedes determinar si agregar o no el contenido de acuerdo a su longitud.

[mesoriginal]

Ahà, entiendo prové para hacerlo a traves de la DOM y me luego prove de hacer el bucle pero no me salio muy bien que digamos:

Código Javascript:

var p = getElementsByTagName("p")item(0).innerHTML();
 
for(var i = 0; i < p.length;++i) {
  
    //Aqui de algun modo en donde pone item(0) tendria que ser item(n-1) supongo pero no se    como.
 
}
 

Muchissimas gracias de antemano =)

[zerokilled]

sucede que estas usando directamente la colección devuelta por el método getElementsByTagName, seguido tienes el método item y la propiedad innerHTML. por tanto, lo que guardas en la variable p no es la colección, sino el contenido del primer elemento de la colección. primero debes almacenar la colección en la variable y luego iterar dicha variable.

Código:

// variable len - un numero que indica cuantos elementos P existen;
// variable content - donde iras almacenando el contenido extraido del elemento;
var p = document.getElementsByTagName("p"), content = "";
for(var i = 0, len = p.length; i < len; i++){
// resto del codigo;
}

[mesoriginal]

Wooo gracias, estoy provando =)

en donde pone resto del codigo imagino que es en donde pongo los elementos dentro del content verdad?

Saludos!