文書DOMツリーのすべての単語をjavascriptで集める

Question

〜7000語程度の大きな文書があるとします。私はすべてのデータをサーバーに送る必要があります。 私はjquery、プロトタイプなどを使用する機会がありません。それはきれいなOOのjavascriptでなければなりません。 サンプルページはjsonのロシア語のページになります 単語からすべてのタグとhtmlマークアップを除外します。

私の質問は、

1.文書からすべての（utf8）単語を収集/収穫するにはどうすればよいですか？

2.結果をJSONデータに変換するにはどうすればよいですか？

おかげ

Answer 1

は、これは本当にオブジェクト指向プログラミングのための仕事のように見えるしていません。セクシーな再帰関数はもっとうまくいくでしょう。

var output=[]; 

function scan(element) { 
    var children=element.childNodes; 
    for (var child in children){ 
     if (children[child].nodeValue) { 
      output.push(children[child].nodeValue); 
     }else { 
      scan(children[child]); 
     }; 
    }; 
}; 

scan(window.document.body); 

これは、個々の単語にアップテキストを壊したり、JSONを生成し、それはあなたの個々の単語のリストを与えるものではありません。あなたはまだテキストをクリーンアップする必要があります。 2秒間のテストで、javascriptや改行（\ n）を含むすべてのテキストを表示するのが好きであることがわかりました。たぶん私はそれが気に入ったら、もっとコードを追加します。しかし、これはあなたに行く必要があります。

JSONに変換するには、Douglas CrockfordのtoSSONコードを試してください。ちょうどそれをGoogle。