Javascript 如何使用x射线清除格式错误的HTML代码

我第一次使用x光模块

我使用它没有问题，但是当我试图在一个格式错误的HTML代码中刮取数据时，我遇到了一些问题

例如，如果我试图从网站上删除此HTML代码：

<div class="item">
<dl class="list">
    <dd id="1"> Data1
    <dd id="2"> Data2
    <dd id="3"> Data3
</dl>

我得到以下结果：

[
      {
                "tags": "Data1 Data2 Data3"
      }

]

如果DD标签关闭，我的刮码就可以工作

[
      {
                "tags": "Data1"
      }
]

---

有没有解决这个问题的方法？

如果将来有人遇到同样的问题，这里是我自己的解决方法

我只是使用HTMLIDY模块

tidy(html, function (err, html) {
    x(html, '.item', [{
        tags: x('.item', 'dd:nth-child(1)')
    }])
    (function(err, obj) {
        var jsonCleaned = JSON.parse(JSON.stringify(obj).replace(/"\s+|\s+"/g,'"').replace(/\\n/g, ''));
        res.json(jsonCleaned);
    })
});

---

此后，格式错误的HTML代码不再是一个问题。

我认为，如果X-Ray库无法处理必要的HTML，唯一的解决方案将是尝试另一个库，或者在通过其他库将HTML交给X-Ray之前对其进行整理（“整理”等）。顺便问一句，您是否使用PhantomJS transport？PhantomJS应该能够毫无问题地处理此类HTML。您好@AndrewDunai，谢谢您的帮助。现在，我不使用PhantomJS。但是我会尝试这个模块，也许它会有帮助：）再次感谢

tidy(html, function (err, html) {
    x(html, '.item', [{
        tags: x('.item', 'dd:nth-child(1)')
    }])
    (function(err, obj) {
        var jsonCleaned = JSON.parse(JSON.stringify(obj).replace(/"\s+|\s+"/g,'"').replace(/\\n/g, ''));
        res.json(jsonCleaned);
    })
});