如何使用Node.js解析HTML页面
我需要解析（服务器端）大量HTML页面。如何使用Node.js解析HTML页面,node.js,html-parsing,server-side,Node.js,Html Parsing,Server Side,我需要解析（服务器端）大量HTML页面。 我们都同意，regexp不是解决这个问题的方法。 在我看来，javascript是解析HTML页面的本机方式，但这一假设依赖于服务器端代码，它具有javascript在浏览器中的所有DOM功能 Node.js是否内置了这种功能？ 有没有更好的方法来解决这个问题，在服务器端解析HTML？您可以使用这些模块并在Node.JS中创建和解析DOM 其他选择包括： 对于python 您可以转换并使用XSLT 对于.NET 对于.NET（我的新宠） spiderm
我们都同意，regexp不是解决这个问题的方法。
在我看来，javascript是解析HTML页面的本机方式，但这一假设依赖于服务器端代码，它具有javascript在浏览器中的所有DOM功能 Node.js是否内置了这种功能？
有没有更好的方法来解决这个问题，在服务器端解析HTML？您可以使用这些模块并在Node.JS中创建和解析DOM 其他选择包括：
- 对于python
- 您可以转换并使用XSLT
- 对于.NET
- 对于.NET（我的新宠）
- spidermonkey和rhino JS引擎具有本机E4X支持。只有将html转换为xhtml时，这才可能有用
在所有这些选项中，我更喜欢使用Node.js选项，因为它使用标准的W3CDOM访问器方法，并且我可以在客户端和服务器上重用代码。我希望BeautifulSoup的方法更类似于W3C dom，我认为将HTML转换为XHTML来编写XSLT简直是太残忍了。由FB55编写似乎是一个不错的选择。jsdom太严格了，不能做任何真正的屏幕抓取之类的事情，但BeautifulSoup不会被糟糕的标记扼杀 是python的beautifulsoup到NodeJ的一个端口，使用起来非常漂亮。它不像jsdom那样严格，并且针对刮取进行了优化。作为奖励，使用您已经知道的jQuery选择器 ❤ 熟悉的语法：ChereIO实现了核心jQuery的一个子集。干杯 从jQuery中删除所有DOM不一致和浏览器错误 库，展示了它真正华丽的API ϟ极快：Cheerio使用非常简单、一致的DOM 模型因此，解析、操作和渲染非常复杂 有效率的初步的端到端基准表明，ChereIO是 大约比JSDOM快8倍 ❁ 疯狂灵活：Cheerio环绕@FB55的宽恕 HTMLPasser。Cheerio几乎可以解析任何HTML或XML文档
使用htmlparser2，它的方式更快、更简单。请参阅此用法示例： 现场演示如下： 2020年11月更新 我搜索了顶级的NodeJS html解析器库 因为我的用例不需要具有许多特性的库，所以我可以关注稳定性和性能 所谓稳定性，我的意思是，我希望社区使用该库的时间足够长，以便发现bug，它仍将得到维护，开放的问题将被关闭 很难理解开源库的未来，但我根据中的前10个库做了一个小总结 我根据最后一次提交分为2个组（每个组的顺序取决于Github启动）： 最近一次提交是在过去6个月内： -
上次提交：3个月，未解决问题：331，Github stars:14.9K最后提交：8天，未解决问题：2，Github stars:2.7K上次提交：2个月，未解决问题：21，Github stars:2.5K上次提交：2个月，未解决问题：48，Github stars:663上次提交：4个月，未解决问题：3，Github stars:215最后提交时间：7天，未解决问题：15天，Github stars:205上次提交：1年，未解决问题：174，Github stars:22.9K上次提交：6个月，未解决问题：9个，Github stars:1.1K上次提交：3年，未解决问题：65，Github stars:941上次提交：1年，未解决问题：27，Github stars:233我选择了节点html解析器，因为此时它看起来非常安静、快速且非常活跃 （*）Openbase添加了关于每个库的更多信息，如贡献者的数量（提交+3次）、每周下载、每月提交、版本等
（**）上表是根据具体时间和日期的快照-我会再次检查参考资料，作为第一步，检查最近活动的水平，然后深入了解较小的细节。什么是好？可靠、快速、简单？有了这两个选项，它就足够强大了，因此您可以。@kzh Reliable和easy对我来说更重要，如果进程在一小时或一天内结束。我想说，如果您已经习惯了DOM，那么node选项是可靠的，而且肯定很容易。如果您想要htmlparser，请尝试先使用它。它似乎是一个经过修改的版本，并且维护得更为积极。我在互联网上搜索了所有内容，但没有找到一个好的HTMLPasser教程。但是它不构建DOM，也不允许XPath。jQuery语法肯定是该库的一个缺点。@polkovnikov.ph根据我的经验，很少有应用程序需要完整的DOM解析，与jQuery/Cheerio中的快速“惰性”评估相比，构建DOM的成本非常昂贵。从这个意义上讲，jQuery风格的解析是一个优势，但是如果您的应用程序需要操作DOM服务器端，您可能更愿意尝试jsdom。
jsdom