Javascript x射线刮擦时移除的制动标签
我是JS的新手。我正在用X射线抓取一个网址。按预期刮除标签时会将其移除,但我希望将Javascript x射线刮擦时移除的制动标签,javascript,node.js,web-scraping,x-ray,Javascript,Node.js,Web Scraping,X Ray,我是JS的新手。我正在用X射线抓取一个网址。按预期刮除标签时会将其移除,但我希望将标签替换为类似的内容 例如: 如果我刮掉像“span#刮掉的部分” <span id="scraped-portion"><span class="bold>NodeJS</span><br> <span class="bold>Version:</span> 8<br><span class="bold>Dat
标签替换为类似的内容代码>
例如:
如果我刮掉像“span#刮掉的部分”
<span id="scraped-portion"><span class="bold>NodeJS</span><br>
<span class="bold>Version:</span> 8<br><span class="bold>Date released:</span> 2017 Jan<br><span class="bold>Description:</span>Some other text
</span>
标签周围的文本被添加在一起,很难理解什么是什么。
因此,我希望将
标记替换为类似的内容代码>
我是否有可能或者应该更好地使用其他库
更新
我发现了一个基于纯X射线的解决方案,在使用X射线之前不需要替换html中的
标记(请参见下面的原始解决方案)
通过这种方式,您将使用X射线的过滤器
函数,并将X射线函数相互嵌入(某种嵌套)
首先,我们将使用为X射线定义的自定义筛选函数(称为replaceLineBreak
)替换原始html中的
标记。
其次,我们将使用replace with重建原始html结构的结果(通过重新添加
)作为X射线调用的第一个参数
希望你会喜欢
var x = Xray({
filters: {
replaceLineBreak: function (value) { return value.replace(/\<br\>/g, ';'); },
}
});
var html =
`
<span id="scraped-portion"><span class="bold">NodeJS</span><br>
<span class="bold">Version:</span> 8<br><span class="bold">Date released:</span> 2017 Jan<br><span class="bold">Description:</span>Some other text
</span>
`;
x(html,
'#scraped-portion@html | replaceLineBreak' /// Filter function called to replace '<br>' to ';'
)(function (err, obj) {
x(`<span id="scraped-portion">${obj}</span>`, /// Restore oroginal html structure to have the outer span with id 'scraped-portion
'#scraped-portion'
)(function (err2, obj2) { res.header("Content-Type", "text/html; charset=utf-8"); res.write(obj2); res.end(); })
});
原液
为什么不在用X射线处理html代码之前替换所有出现的
标记
function tst(req, res) {
var x = Xray();
var html =
`
<span id="scraped-portion"><span class="bold">NodeJS</span><br>
<span class="bold">Version:</span> 8<br><span class="bold">Date released:</span> 2017 Jan<br><span class="bold">Description:</span>Some other text
</span>
`.replace(/\<br\>/g, ';');
x
(
html,
['span#scraped-portion']
)(function (err, obj) { res.header("Content-Type", "text/html; charset=utf-8"); res.write(JSON.stringify(obj, null, 4)); res.end(); })
;
}
功能tst(请求、恢复){
var x=x射线();
变量html=
`
NodeJS
版本:8发布日期:2017年1月描述:其他文本
`.替换(/\/g,;);
x
(
html,
['span#刮伤部分']
)(函数(err,obj){res.header(“内容类型”,“text/html;charset=utf-8”);res.write(JSON.stringify(obj,null,4));res.end();})
;
}
那么您的代码将产生如下结果
NodeJS\n版本:8;发布日期:2017年1月;描述:其他一些文本\n
哪一个似乎很符合您的要求也许是a?非常感谢,我很快会测试它。现在我还有一个问题。如何创建[{“版本”:“8”,“发布日期”:“2017年1月”,“说明”:“其他文本”}]
。我很快也会为此提出一个新问题
NodeJS; Version: 8;Date released: 2017 Jan;Description:Some other text
function tst(req, res) {
var x = Xray();
var html =
`
<span id="scraped-portion"><span class="bold">NodeJS</span><br>
<span class="bold">Version:</span> 8<br><span class="bold">Date released:</span> 2017 Jan<br><span class="bold">Description:</span>Some other text
</span>
`.replace(/\<br\>/g, ';');
x
(
html,
['span#scraped-portion']
)(function (err, obj) { res.header("Content-Type", "text/html; charset=utf-8"); res.write(JSON.stringify(obj, null, 4)); res.end(); })
;
}