Node.js上的HTMLparsing器

在nodejs上有没有像Ruby的nokogiri？ 我的意思是一个用户友好的HTMLparsing器。

我在Node.js模块页面看到了一些parsing器，但我找不到一些漂亮和新鲜的东西。

Answer 1

如果你想build立DOM，你可以使用jsdom 。

还有cheerio ，它有jQuery接口，比jsdom的旧版本要快很多，尽pipe这些日子在性能上差不多。

你可能想看看htmlparser2 ，它是一个streamparsing器，根据它的基准testing，它似乎比别人快，而且默认没有DOM。 它也可以生成一个DOM，因为它也绑定了一个创buildDOM的处理程序。 这是cheerio使用的parsing器。

parse5也是一个很好的解决scheme。 它是相当活跃的（从本次更新的最后一次提交以来的11天），兼容WHATWG，并用于jsdom ， Angular和Polymer 。

如果你想parsingHTML的网页抓取 ，你可以使用YQL 。 有一个节点模块 。 YQL我认为如果你的HTML来自一个静态网站，最好的解决scheme，因为你依赖于一个服务，而不是你自己的代码和处理能力。 虽然请注意，如果网页的robot.txt不允许页面，YQL将无法使用。

如果你想要抓取的网站是dynamic的，那么你应该使用像幻影一样的无头浏览器 。 如果你正在考虑phantomjs，还可以看看casperjs。 你可以用SpookyJS从节点控制casperjs 。

除了幻影之外还有僵尸 。 与不能embedded到nodejs中的phantomjs不同，zombiejs只是一个节点模块。

后者的解决scheme有一个nettuts + toturial 。

Answer 2

更新： cheerio可能是你最好的select。

Node.io是一个非常全面的抓取工具。

Answer 3

尝试https://github.com/tmpvar/jsdom – 你给它一些HTML，它给你一个DOM。

Answer 4

你也可以看看X射线： https ： //github.com/lapwinglabs/x-ray