如何使用 Node.js 解析 HTML/XML 文档？
Posted
技术标签:
【中文标题】如何使用 Node.js 解析 HTML/XML 文档？【英文标题】：How to parse HTML/XML documents with Node.js? 【发布时间】：2016-03-22 10:39:09 【问题描述】：我有一个包含generatePNG 函数的editor.html：
<!DOCTYPE html>
<html>
<head>
<meta charset="UTF-8">
<title>Diagram</title>
<script type="text/javascript" src="lib/jquery-1.8.1.js"></script>
// <!-- I use many resources -->
<script></script>
<script>
function generatePNG (oViewer)
var oImageOptions =
includeDecoratorLayers: false,
replaceImageURL: true
;
var d = new Date();
var h = d.getHours();
var m = d.getMinutes();
var s = d.getSeconds();
var sFileName = "diagram" + h.toString() + m.toString() + s.toString() + ".png";
var sResultBlob = oViewer.generateImageBlob(function(sBlob)
b = 64;
var reader = new window.FileReader();
reader.readAsDataURL(sBlob);
reader.onloadend = function()
base64data = reader.result;
var image = document.createElement('img');
image.setAttribute("id", "GraphImage");
image.src = base64data;
document.body.appendChild(image);
, "image/png", oImageOptions);
return sResult;
</script>
</head>
<body >
<div id="diagramContainer"></div>
</body>
</html>
我想访问 DOM 并使用 Node.js 获取 image.src。我发现我可以使用cheerio 或jsdom。
我从这个开始：
var cheerio = require('cheerio'),
$ = cheerio.load('editor.html');
但我不知道如何访问和获取image.src。
【问题讨论】：
您想要获取的 image.src 是在 editor.html 中使用该页面中的 javascript 生成的？ @luiso 是的 image.src 是一个 based64 数据，它是在 editor.html 中生成的，我想从 node.js 服务器中提取它 为了澄清，您将 editor.html 加载到服务器上的cheerio 中？所以这里面没有涉及到浏览器？ @RogierSpieker 我只想从 node.js 访问 edtior.html 并获取 image.src 关于您的要求，我认为有两种可能性。您希望 Node.js 访问由 Web 浏览器在实时页面上生成的图像，或者您希望能够访问存储在 img 元素的 src 属性中的 html 文件中的图像数据。请澄清。 【参考方案1】：问题是通过将 html 文件加载到cheerio（或任何其他节点模块）中不会像浏览器那样处理 HTML。不会像在浏览器中那样加载和/或处理资源（例如样式表、图像和 javascript）。
虽然 node.js 和现代网络浏览器都具有相同（或相似）的 javascript 引擎，但是浏览器添加了很多额外的东西，例如 window、DOM (document) 等。
Node.js 没有这些概念，所以没有window.FileReader 也没有document.createElement。
如果图像是在完全没有用户交互的情况下创建的（您的代码示例“神奇地”接收到 sBlob 参数，它似乎是一个类似 data:<type>;<encoding>,<data> 的字符串），您可以在服务器上使用所谓的无头浏览器，@987654321 @ 这几天似乎最受欢迎。
再说一次，如果创建 sBlob 不需要用户交互，你可能最好使用纯 node.js 解决方案，例如How do I parse a data URL in Node?.
如果创建sBlob 需要某种用户交互，并且您需要将其存储在服务器上，您可以使用与提到的几乎相同的解决方案，只需将sBlob 发送到服务器使用Ajax 或 websocket，将sBlob 处理成图像并（可选）返回查找图像的 URL。
【讨论】：
以上是关于如何使用 Node.js 解析 HTML/XML 文档？的主要内容，如果未能解决你的问题，请参考以下文章
如何使用 Node.JS 的 restify 框架解析/读取多个参数
如何解析 node.js、express.js、mysql2 中“rows”对象的数据
node.js 如何在不指定文件夹路径的情况下使用 index.js 解析所需的文件夹？