Javascript 如何从站点服务器端获取文本

我正在寻找一种简单的方法，从网站上获取所有可见的文本。我得到了这个网站的HTML，并将其存储在“body”变量中

我找到了这个解决方案：

var StrippedString = OriginalString.replace(/(<([^>]+)>)/ig,"");

var StrippedString=OriginalString.replace（/（]+）>）/ig，”；

它的效果非常好，但是很多网站都有javascript和css。我想分离所有可见的文本，供普通用户阅读此页面上的内容，所以我必须省略js脚本等

我可以使用jQuery，但事实上我不能，因为我使用Node.JS^^

---

你有什么想法吗？

我相信对于任何非琐碎的事情，你都可能需要一个HTML解析器。例如，看一看，我自己从未使用过它，但它似乎可以帮助您。

我相信，对于任何非琐碎的事情，您可能都需要一个HTML解析器。例如，看一看，我自己从未使用过它，但它似乎可以帮助您。

因此，经过进一步的研究，我发现，这几乎是我所需要的。我将试着用它做某事。如果它达到预期效果，我会在那里粘贴一些代码。

因此，经过进一步的研究，我发现，这几乎是我所需要的。我将试着用它做某事。如果它达到预期效果，我将在那里粘贴一些代码。

我测试了jsdom、Zombie.js和PhantomJS，用于我构建的刮板。虽然这三种解决方案都能为大多数网站提供准确的结果，但PhantomJS实际上是最稳定的解决方案。阅读：即使有最奇怪的网站，它也能始终如一地取得好成绩。我用几百个随机网站（来自以前输入的真实世界示例，而不仅仅是一系列知名网站）对我的应用程序进行了压力测试，jsdom和Zombie.js解决方案似乎都崩溃了，或者在其中10%的网站上没有给出足够的结果

因为我需要稳定性和准确性，而且我的应用程序每分钟只需要处理大约10个请求，所以我只需要为我想要检查的每个网站生成一个虚拟过程。结果的沟通通过stdio完成。我对这个解决方案非常满意

---

我必须说我需要脚本来运行，所以我不能只使用html解析器。如果你只想要文本内容，而不关心动态构建的页面，我建议你寻找一个像样的HTMLPasser，就像其他答案中建议的那样。

我测试了jsdom、Zombie.js和PhantomJS，以获得我构建的刮刀。虽然这三种解决方案都能为大多数网站提供准确的结果，但PhantomJS实际上是最稳定的解决方案。阅读：即使有最奇怪的网站，它也能始终如一地取得好成绩。我用几百个随机网站（来自以前输入的真实世界示例，而不仅仅是一系列知名网站）对我的应用程序进行了压力测试，jsdom和Zombie.js解决方案似乎都崩溃了，或者在其中10%的网站上没有给出足够的结果

因为我需要稳定性和准确性，而且我的应用程序每分钟只需要处理大约10个请求，所以我只需要为我想要检查的每个网站生成一个虚拟过程。结果的沟通通过stdio完成。我对这个解决方案非常满意

---

我必须说我需要脚本来运行，所以我不能只使用html解析器。如果你只想要文本内容，而不关心动态构建的页面，我建议你寻找一个像样的HTMLPasser，就像其他答案中建议的那样。

Node.js+“cheerio”模块。获取页面，将其交给cheerio，然后$（'body'）.text（）

Node.js+“cheerio”模块。获取页面，将其交给cheerio，然后$（'body'）.text（）

如果正确阅读链接问题的已接受答案，您会注意到它没有使用任何jQuery。但也要注意，你的问题有点不同，远不是琐碎的。例如，文本可以通过CSS规则隐藏。@FelixKling现在，我必须从站点获取文本，稍后我会担心CSS。如果您正确阅读链接问题的已接受答案，您会注意到它不使用任何jQuery。但也要注意，你的问题有点不同，远不是琐碎的。例如，文本可以通过CSS规则隐藏。@FelixKling现在，我必须从站点获取文本，稍后我会担心CSSso，这是我尝试从duckduckgo.com读取文本时得到的结果：仍然返回javascriptJust do

$（'script'）。remove（）事先。很可能您不希望页面（菜单等）中包含所有文本，因此可以将感兴趣的部分作为目标，
eg$（'#content'）.text（）很好的一点是，您可以打开页面上的浏览器控制台，并假设页面使用jQuery，使用选择器获得您想要的内容-我使用
$（'blah'）.css（{outline:'1px solid red'}）
突出显示选择器匹配的内容-然后在Node.js/cheerio code.duckduckgo中使用相同的选择器。duckduckgo都是基于js的。您需要首先在PhantomJS中打开页面以获得最终呈现的页面。因此，这就是我在尝试从duckduckgo.com读取文本时得到的结果：仍然返回javascriptJust do
$（'script'）。remove（）事先。很可能您不希望页面（菜单等）中包含所有文本，因此可以将感兴趣的部分作为目标，
eg$（'#content'）.text（）很好的一点是，您可以打开页面上的浏览器控制台，并假设页面使用jQuery，使用选择器获得您想要的内容-我使用
$（'blah'）.css（{outline:'1px solid red'}）
突出显示选择器匹配的内容-然后在Node.js/cheerio code.duckduckgo中使用相同的选择器。duckduckgo都是基于js的。您需要首先在PhantomJS中打开页面，以获得最终呈现的页面。