JavaScript可以爬本地html吗

JavaScript当然可以爬本地html文件，可爬但有个前提你得先搞清楚——浏览器里的本地JavaScript和Node.js环境下的JavaScript，能干的可爬事完全不一样。别急着写代码，本地先想明白你打算让谁去执行这段脚本。可爬

如果你打开一个本地html文件，本地双击运行，可爬然后在浏览器控制台里写代码，本地那你的可爬JavaScript只能访问当前页面自己的DOM。想用fetch或者XMLHttpRequest去读另一个文件夹里的本地html？浏览器会直接甩给你一个CORS错误。这不是可爬JavaScript不行，是本地浏览器出于安全考虑，把本地文件访问权限锁死了。可爬你本地开个服务器，本地比如用Python的可爬http.server或者Node的http-server，反而能正常读取——因为这时候你的页面是通过http协议访问的，不再是file://协议。

换个思路，如果你装了Node.js，那情况完全不一样。Node环境没有浏览器那套安全限制，你可以直接用fs模块读任意路径的html文件，然后用cheerio或者正则去解析内容。比如我写过一个小工具，批量读取某个目录下的所有html文件，提取里面的标题和meta描述，生成一个索引页面。代码就几行：

const fs = require('fs'); const path = require('path'); const dir = './html_files'; fs.readdirSync(dir).forEach(file => {  if (file.endsWith('.html')) {  const content = fs.readFileSync(path.join(dir, file), 'utf-8'); // 用正则或者cheerio提取信息 } });

这里有个坑得提醒你——用正则解析html很容易翻车。html结构稍微复杂点，比如标签属性里带>符号，或者注释里有伪标签，你的正则就可能匹配错。我自己就吃过亏，后来老老实实改用cheerio，它把jQuery的选择器语法搬到了服务端，用起来顺手得多。

还有种场景，你想在浏览器里直接读用户手动选择的本地html文件。这时候用<input type="file">配合FileReader API，JavaScript就能读取文件内容。这个不算“爬”，算是“读”，但很多人一开始分不清。区别在于：爬虫是主动去获取，而FileReader是被动等待用户授权。安全模型不同，前者受限，后者反而是浏览器鼓励的做法。

说回正题，真正要爬取本地一堆html文件，最靠谱的方案其实是Node.js脚本。你不需要什么框架，纯原生模块就能搞定。但如果你处理的是几十上百个文件，建议用异步的fs.promises，不然同步读取会卡住事件循环。有一次我处理500多个html文件，同步写法直接让进程卡了将近十秒，改成Promise.all并行读取后，一秒多就跑完了。

最后给你个判断标准：如果文件是用户主动提供的，用浏览器端FileReader；如果文件是你自己磁盘上的，用Node的fs；如果文件在远端服务器，那就得看服务器允不允许跨域了。别指望在浏览器file://协议下直接fetch本地文件，这条路是死的。但换个环境，JavaScript爬本地html的能力其实很强，只是你得知道该在哪个环境里使力。