根据 url 获取其 icon 与 title

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

V2EX 提问指南

这是一个创建于 2052 天前的主题，其中的信息可能已经有所发展或是发生改变。

根据 url 获取图标及 title

功能描述

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

设置 icon

想要知道如何获取肯定要知道网站的 icon 是如何设置的，设置 icon 的方式据我了解的有两种

一般都是在 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 icon

两条途径设置 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，因此我就想能不能获取到重定向后的链接，判断其类型，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。找来找去发现了 request 包可以实现, 下面是具体实现

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。