如何在Node.js+Puppeteer中提取li标签onclick里的完整URL？

方法1：直接提取onclick属性值（更高效） #

没必要将onclick函数转为字符串，直接获取元素的onclick属性原始值，解析起来更简单。修改你的代码逻辑如下：

async function getUrls(){
  const baseUrl = 'https://resale-intl.tickets.com/';
  const getPartidos = await newPage.$$("li")
  for (const partido of getPartidos) {
    const onclickAttr = await newPage.evaluate((element) => {
      return element.getAttribute('onclick');
    }, partido);
    
    // 用正则提取路径部分
    const pathMatch = onclickAttr.match(/document.location.href = '([^']+)'/);
    if (pathMatch) {
      const relativePath = pathMatch[1].replace(/&/g, '&'); // 还原转义的&符号
      const fullUrl = new URL(relativePath, baseUrl).href;
      console.log(fullUrl);
    }
  }
}
getUrls()

方法2：处理已有的onclick函数字符串 #

如果坚持要基于现有的函数toString结果处理，同样用正则匹配路径内容即可：

async function getUrls(){
  const baseUrl = 'https://resale-intl.tickets.com/';
  const getPartidos = await newPage.$$("li")
  for (const partido of getPartidos) {
    const urlPartidos = await newPage.evaluate((element) => {
      return element.onclick.toString()
    }, partido);
    
    // 匹配路径
    const pathMatch = urlPartidos.match(/document.location.href = '([^']+)'/);
    if (pathMatch) {
      const relativePath = pathMatch[1].replace(/&/g, '&');
      const fullUrl = new URL(relativePath, baseUrl).href;
      console.log(fullUrl);
    }
  }
}
getUrls()

关键细节说明 #

• 正则/document.location.href = '([^']+)'/专门匹配单引号包裹的路径内容，[^']+确保只提取到单引号结束前的部分；
• 使用new URL(relativePath, baseUrl)拼接完整URL，比直接字符串拼接更可靠，能自动处理路径中的斜杠、相对路径等问题；
• 替换&为&是因为HTML中的转义规则，还原后才能保证URL参数的正确性。

内容的提问来源于stack exchange，提问作者Omar Giancarlo