如何使用Node.js解析HTML页面

Question

我需要解析（服务器端）大量的HTML页面。我们都同意，regexp不是行之有效的方法。在我看来，javascript是解析HTML页面的本机方式，但是这种假设取决于服务器端代码，该代码具有javascript在浏览器内部具有的所有DOM功能。Node.js是否具有内置的功能？有没有更好的方法来解决此问题，请在服务器端解析HTML？

Answer 1

使用Cheerio。它不像jsdom那样严格，并且针对抓取进行了优化。另外，使用您已经知道的jQuery选择器。

❤熟悉的语法：Cheerio实现了核心jQuery的子集。Cheerio从jQuery库中消除了所有DOM不一致和浏览器残骸，从而揭示了其真正华丽的API。

ϟ快速发展：Cheerio使用非常简单，一致的DOM模型工作。结果，解析，操作和渲染都非常高效。初步的端到端基准测试表明，cheerio比JSDOM快8倍。

flexible非常灵活：Cheerio将@ FB55宽容的htmlparser环绕起来。Cheerio可以解析几乎任何HTML或XML文档。