1.cheerio-解析几乎任何HTML或XML文档

cheerio-GitHub中文文档

官方对它的简介:为服务器特别定制的,快速,灵活,实施的jQuery核心实现

本文主要记录如何用cheerio来解析HTML抓取有效数据,也就是所谓的爬虫

# 安装

npm install cheerio

# 使用

加载

var cheerio = require('cheerio');
let $ = cheerio.load(response, { ignoreWhitespace: true }); // response为网页源代码

选择器

cheerio和jQuery选择器的实现几乎是相同的,所以API非常相似

$('.apple', '#fruits')

$('ul .pear')

$('li[class=orange]')

获取子元素

$('#fruits').children()

遍历元素集合

迭代一个cheerio对象,为每个匹配元素执行一个函数.当回调函数执行后,该函数所处的环境是DOM element,所以this指向当前元素,这相当于函数的参数element.要提前打破each循环,那么返回false.

$('li').each(function(i, elem) {
  $(this).text();
});

其他方法

选择一个cheerio的对象的第一个元素

$('#fruits').children().first()

选择一个cheerio对象的最后一个元素

$('#fruits').children().last()

 根据索引来确定元素

$('li').eq(0) // 第一个

$('li').eq(-1) // 倒数第一个

检索出匹配的cheerio对象的DOM元素

$('li').get(0) // 第一个

$('li').get() // 全部

更多api或配置请参考 cheerio-GitHub中文文档

本文完