首页标签系列GitHub关于

根据 url 获取图标及 title

September 24, 2018

最近在做一个小项目有一个类似添加书签的功能，用户点击添加后，弹出输入模块，用户只需要将需要收录的链接添加进去，便可以自动生成带有此网站图标和此网站标题的卡片

网站如何设置 icon

想要知道如何获取指定网站的 icon, 便要知道网站的 icon 是如何设置的，设置 icon 的方式据我了解有两种

  • 一种是在 html 代码的 head 标签中设置一个 link 标签，将其 rel 属性设置为 “icon” 或者 “shortcut icon”, href 就是图标的位置。
  • 大部分网站会在其根目录下放置一个 favicon.ico 文件，也就是网站的图标。

pg1

获取网站的 icon

两条途径获取 icon，明显解析 html 要相对麻烦一点，因此我们先去网站根目录下去获取 favicon.ico, 如果不存在此文件，再解析 html，当然如果网站本身就没有 icon，那就只能自己设置一个默认的图标就好了。

我的思路是拿到需要收录的链接，然后用 node 的 url 模块去解析，再用 get 方法去抓取此网页，如果不是 200 就代表根目录下没有此文件。

const express = require('express')
const url = require('url')
const axios = require('axios')

let app = express()

app.get('/', function(req, res) {
  let targetUrl = 'https://github.com/MLuminary'
  let urlString = url.parse(targetUrl)
  let iconUrl = `${urlString.protocol}//${urlString.host}/favicon.ico`
  isHasRootIcon(iconUrl)
})

// 判断网站根目录下是否有 favicon.ico 文件
function isHasRootIcon(url) {
  axios
    .get(url)
    .then(response => {
      console.log(1)
    })
    .catch(error => {
      console.log(0)
    })
}

以上思路大部分网站还是可以的，但是有一些网站会遇到重定向的问题，会跳到 404 页面或者 error 页面，此时返回的 status 也是 200，上面的方法就也会认为已找到 icon, 但实际上链接是 html 页面，因此我们还需要根据返回的类型再加一层判断

如果重定向的类型不是 ico、png 等图片类型，就也判断为没找到

app.get('/', function(req, res) {
  let targetUrl = 'http://www.12306.cn/mormhweb/'
  let urlString = url.parse(targetUrl)
  let iconUrl = `${urlString.protocol}//${urlString.host}/favicon.ico`
  isHasRootIcon(iconUrl).then(res => {
    console.log(res)
  })
})

// 判断网站根目录下是否有 favicon.ico 文件
function isHasRootIcon(url) {
  let pattern = ['ico', 'png', 'svg', 'jpg']

  return new Promise(resolve => {
    let returnValue = false
    request.get(url, function(err, res) {
      if (res.statusCode === 200) {
        let redirectPath = res.request.uri.path // 重定向的页面路径
        pattern.forEach(item => {
          if (redirectPath.split('.')[1] === item) {
            // 如果结尾是 pattern 数组中的一种 则返回 true
            returnValue = true
            resolve(returnValue)
          }
        })
      }
      resolve(returnValue)
    })
  })
}

如果根目录下不存在 favicon.ico 文件，则需要解析其链接的 html ，然后提取出 icon 的路径，但是这其中还有一些问题，icon 的路径有可能是绝对路径或者是相对路径，因此在此还需要在判断一下，下面是具体代码

function resolveHtml(targetUrl) {
  return new Promise(resolve => {
    let defaultUrl = '' // 自己默认的图片链接
    superagent.get(targetUrl).end(function(err, content) {
      let $ = cheerio.load(content.text)
      let iconUrl = $("link[rel*='icon']")
        .eq(0)
        .attr('href') // 获得 icon 的链接
      // 如果 iconUrl 存在 还需要判断其是否是相对位置
      if (iconUrl) {
        // 如果不存在 'http'
        if (iconUrl.indexOf('http') === -1) {
          // 判断是否为相对路径或根路径
          if (iconUrl.charAt(0) === '/') {
            let urlString = url.parse(targetUrl)
            iconUrl = `${urlString.protocol}//${urlString.host}${iconUrl}`
          } else {
            iconUrl = targetUrl + '/' + iconUrl
          }
        }
        resolve(iconUrl)
      } else {
        resolve(defaultUrl)
      }
    })
  })
}

获取 icon 连接时为什么我加了一个 eq(0) 呢，是因为我发现有些网站有两种类型的 link 可以添加图标，一种是shortcunt icon 一种是 icon，因此我们只要获取其中一个就可以了，两个都获取到可能会报错。

获取 title

获取 title 则解析 Html 获取 title 的标签

成果

下面就是传入掘金首页抓取到的信息

pg2