如何使用Node.jsparsingHTML页面
我需要parsing（服务器端）大量的HTML页面。
我们都同意，正则expression式不是去这里的路。
在我看来，JavaScript是parsingHTML页面的原生方式，但是这个假设依赖于服务器端代码具有浏览器内部的所有DOM能力。
Node.js是否具有内置的能力？
有没有更好的方法解决这个问题，在服务器端parsingHTML？
您可以使用npm模块jsdom和htmlparser在Node.JS中创build和parsingDOM。
其他选项包括：
- 美丽的python
- 你可以把你的html转换成xhtml并使用XSLT
- HTMLAgilityPack for .NET
- CsQuery for .NET（我最喜欢的）
- spidermonkey和rhino JS引擎具有原生E4X支持。 这可能是有用的，只有当你转换你的HTML到XHTML。
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W3C DOM访问器方法，并且可以在客户端和服务器上重复使用代码。 我希望BeautifulSoup的方法更类似于W3C dom，我认为把你的HTML转换成XHTML来编写XSLT只是简单的虐待行为。
使用Cheerio 。 它不像jsdom那么严格，并且为刮刮而优化。 作为奖励，使用你已经知道的jQueryselect器。
❤熟悉的语法：Cheerio实现了核心jQuery的一个子集。 Cheerio从jQuery库中删除了所有的DOM不一致和浏览器，揭示了它真正的华丽的API。
ϟ快速：Cheerio使用一个非常简单，一致的DOM模型。 因此parsing，操作和渲染非常高效。 初步的端到端基准testing表明，cheerio比JSDOM快大约8倍。
❁非常灵活：Cheerio围绕@ FB55的原谅htmlparser。 Cheerio可以parsing几乎所有的HTML或XML文档。
由FB55 Htmlparser2似乎是一个很好的select。
jsdom太严格，不能做任何真正的屏幕抓取的东西，但美丽的屁股不扼杀坏的标记。
node-soupselect是python的一个端口，可以很好的运行在nodejs中
在.NET中，有HTML Agility Pack ，它是一个非常可靠的HTMLparsing库。
