Node.js Cheerio：使用分隔符从HTML中提取文本_Node.js_Cheerio

Node.js Cheerio：使用分隔符从HTML中提取文本

node.js

Node.js Cheerio：使用分隔符从HTML中提取文本,node.js,cheerio,Node.js,Cheerio,假设我有以下几点： $ = cheerio.load('<html><body><ul><li>One</li><li>Two</li></body></html>'); var t = $('html').find('*').contents().filter(function() { return this.type === 'text'; }).text(); 而不是： O

假设我有以下几点：

$ = cheerio.load('<html><body><ul><li>One</li><li>Two</li></body></html>');

var t = $('html').find('*').contents().filter(function() {
  return this.type === 'text';
}).text();

而不是：

One Two

如果执行

$（'html'）.text（）

，得到的结果也是一样的。所以基本上我需要的是注入一个分隔符，比如

（空格）或

\n

注意：这不是一个jQuery前端问题，更像是与Cheerio和HTML解析有关的NodeJS后端问题。

这似乎可以解决以下问题：

var t = $('html *').contents().map(function() {
    return (this.type === 'text') ? $(this).text() : '';
}).get().join(' ');

console.log(t);

结果:

One Two

只是稍微改进了我的解决方案：

var t = $('html *').contents().map(function() {
    return (this.type === 'text') ? $(this).text()+' ' : '';
}).get().join('');

您可以使用该包生成html字符串的纯文本版本。您可以在浏览器和node.js中使用它

var createTextVersion = require("textversionjs");

var yourHtml = "<h1>Your HTML</h1><ul><li>goes</li><li>here.</li></ul>";

var textVersion = createTextVersion(yourHtml);

var createTextVersion=require（“textversionjs”）；
var yourHtml=“你的HTML在这里。”；
var textVersion=createTextVersion（yourHtml）；

例如，从下载并要求使用Browserify。

您可以使用以下函数从由

空格分隔的html中提取文本：
function extractTextFromHtml(html: string): string {
  const cheerioStatic: CheerioStatic = cheerio.load(html || '');

  return cheerioStatic('html *').contents().toArray()
    .map(element => element.type === 'text' ? cheerioStatic(element).text().trim() : null)
    .filter(text => text)
    .join(' ');
}

…content（）.toArray（）.map（元素=>{}）。将toArray（）应用于内容后，它对我起了作用。谢谢这个解决方案工作得很好，直到页面主体中有内联javascript，出于某种原因，它将内联javascript引入。你知道怎么解决吗？
function extractTextFromHtml(html: string): string {
  const cheerioStatic: CheerioStatic = cheerio.load(html || '');

  return cheerioStatic('html *').contents().toArray()
    .map(element => element.type === 'text' ? cheerioStatic(element).text().trim() : null)
    .filter(text => text)
    .join(' ');
}