JavaScript で HTML を Parse する

function parseHTML(text) {
    var createHTMLDocument = function() {
        var xsl = (new DOMParser()).parseFromString(
            ['<?xml version="1.0"?>',
             '<stylesheet version="1.0" xmlns="http://www.w3.org/1999/XSL/Transform">',
             '<output method="html"/>',
             '</stylesheet>'].join("\n"), "text/xml");

        var xsltp = new XSLTProcessor();
        xsltp.importStylesheet(xsl);
        var doc = xsltp.transformToDocument(
            document.implementation.createDocument("", "", null));
        return doc;
    };

    var doc = createHTMLDocument();
    var range = doc.createRange();
    doc.appendChild(doc.createElement("html"));
    range.selectNodeContents(doc.documentElement);
    doc.documentElement.appendChild(
        range.createContextualFragment(text));
    return doc;
}

こんな感じの function を定義しておくと

var doc = parseHTML(req.responseText);

な感じで HTML の DOM ツリーを取得できる。Firefox 1.5 と Opera 9.01 で動作を確認。

ネタ元

HTMLDocumentを(かなり無理矢理)生成する方法がわかったのでGM_xmlhttpRequestでwell-formedじゃないHTMLのコードを取ってきて新しく生成したHTMLDocumentでパースしてみるよ