识别和提取图像的标题/描述（数据刮削Pinterest）
如何使用Javascript / jQuery来识别与具有多个图像和描述的网页上的图像相对应的描述或标题？
可以非常容易地提取页面标题，但是标题可能与图像不对应，尤其是如果页面上存在许多图像
var title = document.title; 我相信Pinterest的Pin-it书签已成功完成。 我猜它与算法有关，找到最近的h1 ， h2 ， h3或图像的alt属性，然后如果算法无法在页面上识别图像的描述，则回退到document.title 。
任何想法非常感谢！
编辑
这是用于抓取其他网站的数据
OP提供了一个很好的问题来扩展。 我最近为另一个SO创建了一个jsFiddle来回答来自新Yahoo!的数据抓取URL ， 标题和缩略图 。 屏幕video播放器网页。
我刚刚重写了jsFiddle，所以它是Pinterest特有的并且直接使用了Metatag Object Numbers （ 后面会有更多内容 ），这使得这个jsFiddle与那个非常不同。
整个过程涉及使用Yahoo的查询语言和jQuery .ajax()函数来获取所需的抓取数据，通常可在网页源metatag部分中找到。
首先，让我解释一些事情。
我将使用的Pinterest链接将是固定项目的直接链接 。 这意味着网页将包含主要固定项目以及许多其他较小的固定项目，这与包含大量固定项目的主页不同。
Pinterest Link为它的网页标题提供了固定项目的Title以及构成固定项目Description的几个单词。 这很可能是不可取的，只需要固定项目的Title即可。
查看Pinterest链接的HTML源页面向我们显示了当前使用的元标记。 以下是其中大部分内容：
如您所见，这些metatags包含og:title和og:image我们所追求的og:image数据。 然后，我们意识到这些og metatags是执行数据抓取过程的直接目标。
可以肯定的是，上面的os:image内容链接是通过_c.jpg获取完整图像大小的版本。 缩略图版本使用_b.jpg 。 基本上，每个固定项目有两个独特的图像尺寸。
由于数据抓取过程不返回这些og property names ，只Metatag Object Numbers ，因此我们需要分析与每个Metatag Object Number关联的返回content 。
查看上面的metatag源，很明显image将始终位于以http://media-开头的某个位置。 这13字符在所有元标记中都是唯一的，因此当匹配时，整个URL就是image location 。
当然，Pinterest应该为图像使用多个URL模板，然后需要相应地调整。
查看og:title您会立即意识到内容部分中没有唯一的字符串，表示此标记是image's title 。 因此，假设所有元标签都遵循模板并且不会更改一段时间，我们将分配此Metatag Object Number 7以提供Pinterest Pinned Item's Image Title 。 需要说明的是，这个数字7基于此脚本进程的.ajax()和YQL Results ，而不是上面看到的源HTML结构。
同样，如果Pinterest更改了head section模板，则可能需要进行调整。
接下来是基于本在线文章中所见的数据抓取技术/脚本，我写的一步一步的实践教程 。
jsFiddle Pinterest Data Scraping DEMO
小费：
虽然没有演示，但是您可以使用的是已发现的元标记的数值 ，可以根据页面应包含的预定值进行检查，指示标题head section已更改。 例如，当前元标记计数为25项目。 如果返回的值不等于任何其他Pinterest固定项目网页上的此值，您知道有一个不同的head section正在使用…这可能会影响脚本，因为它只需要25个并且直接通过它的Metatag Object Number调用其中的两个Metatag Object Number 。
额外的东西：
如果您对如何检索主页上显示的当前Pinterest Pinned ITEMS感到好奇，请首先了解这个jsFiddle DEMO的工作原理。 然后，您需要制作自己的jsFiddle版本进行测试并使用Pinterest主页URL以及更改.ajax()调用中的XPATH数据仅刮除body section的relevant div's 。 要了解有关XPATH basics更多信息，请单击此处 。 然后你就可以理解： 在YQL Playground上选择Div Divs的XPATH 。
例如， body section包含以下格式的最大总共 50个引脚 ：
"href": "/pin/15833036160340477/"
那些href fragments将作为重新创建URL的起点。 重要提示：某些引脚可能是repins ，这意味着您将返回少于50个引脚。
对于那些读到这里的人来说，这里是：
一些额外的jsFiddle DEMO 。
这是一个改进的XPATH，适用于YQL Playground的Body中的Select Divs ，但是要了解上面的长时间如何工作。
另请参阅我的其他Pinterest SO答案：
用于自定义URL的自定义Pinterest按钮（文本链接，图像或两者）
如何复制Pinterest网站的模态效果？
最好的答案是：看看Pinterest是如何做到的。
对于jQuery，请查看“最接近”的函数。
这里只是一些快速而肮脏的未经测试的代码，为您提供了思考这个问题的起点，但这是一个非常开放的问题，代码中的智能可以像您希望的那样复杂，健壮或简单。
$('img').each(function() { var title = $(this).prop('alt') || $(this).prop('title') || $(this).closest('h1,h2,h3').text(); // do something with title });