Cheerio 从 .text() 获取包含中断和 H 标记的内容

Posted 2023-03-08

【中文标题】Cheerio 从 .text() 获取包含中断和 H 标记的内容

【英文标题】：Cheerio get content including the breaks and H tags from .text()

【发布时间】：2021-03-31 18:04:54

【问题描述】：

有没有办法使用包含一些 html 标签的 Cheerio 从 html 输出文本？我知道 .html() 输出完整的 html，但我只想要使用 .text() 的文本，但包含所有 H 标记和中断？

例子：

<div class="className"><h1>Something here</h1></br><p>Next line text</p></div>

应该输出：

<h1>Something here</h1></br>Next line text

编写我现在拥有的代码：

const $ = await fetchHTML(thisEntry.link);
const content = $(`div[class='$feedDiv']`).text()

仅输出没有任何换行符或 H1 标记的 div 文本。默认情况下，.text() 也输出<img> 标签。

更新 我正在尝试执行 cmets 中讨论的修剪功能，但仍然无法正常工作......我是否忽略了什么？

async function fetchHTML(url) 
    const  data  = await axios.get(url);
    return cheerio.load(data,  decodeEntities: false );


async function createFeed(feedConfig, entries) 
const $ = await fetchHTML(thisEntry.link);

        $(function () 
            function clean(o, h) 
                var results = '';
                if (h == undefined) 
                    results = o.text().trim();
                 else 
                    $(o)
                        .children()
                        .each(function (i, el) 
                            if (h.indexOf($(el).prop('nodeName').toLowerCase()) >= 0) 
                                console.log('Found', $(el).prop('nodeName'));
                                results += $(el).prop('outerHTML');
                             else 
                                console.log($(el).text().trim());
                                results += $(el).text().trim();
                            
                        );
                
                return results;
            

            $(".className").html(clean($(".className"), ["h1", "br"]));
        );

console.log($.text().trim());

控制台不输出任何内容

【问题讨论】：

所有项目都用 HTML 包装吗？

可能你想要某种正则表达式解决方案。

【参考方案1】：

您可以制作自己的修剪样式功能。输入要保留的对象和元素。

例子：

$(function() 
  function clean(o, h) 
    var results = "";
    if (h == undefined) 
      results = o.text().trim();
     else 
      $(o).children().each(function(i, el) 
        if (h.indexOf($(el).prop("nodeName").toLowerCase()) >= 0) 
          console.log("Found", $(el).prop("nodeName"));
          results += $(el).prop("outerHTML");
         else 
          console.log($(el).text().trim());
          results += $(el).text().trim();
        
      );
    
    return results;
  

  $(".className").html(clean($(".className"), ["h1", "br"]));
);

<script src="https://cdnjs.cloudflare.com/ajax/libs/jquery/3.3.1/jquery.min.js"></script>
<div class="className">
  <h1>Something here</h1>
  </br>
  <p>Next line text</p>
</div>

这里有一个陷阱，如果有原始文本，它也可能会被剥离。

【讨论】：

嗯，不知道你能做到这一点，但它仍然不能与那个修剪功能一起工作。请参阅上面的更新代码...

@Jan 你在控制台看到了什么？

@Jan 请澄清您所说的“它仍然不适用于该修剪功能。”

对不起...控制台不输出任何文本，请参阅上面的更新代码。谢谢

@Jan 你已经说过了。我非常有信心您的问题在这里：const $ = await fetchHTML(thisEntry.link); 如果您在控制台中没有输出；那么你的代码都没有运行。我不使用 Node.js，所以也许我遗漏了一些东西，但 jQuery 使用 $ 作为其名称空间的一部分，并且您正在为 $ 分配一个新值。