jquery抓取网页内容(一下JS下常见的HTML解析库--HTML)

　　jquery抓取网页内容(一下JS下常见的HTML解析库--HTML)

　　HTML 就是一切，每个打算做 Web 编程的人都应该熟悉 HTML 并了解如何解析 HTML。这尤其是前端工程师的基础。在本文中，我们将介绍 JS 下常见的 HTML 解析库。

　　DOM解析器

　　JavaScript 和 jQuery 的 DOM 操作函数非常适合分析简单的 HTML 片段。在实际编程中，如果要以编程方式解析DOM完整的HTML或XML，则需要一个更好的解决方案，DOMParser，这是所有现代数字浏览器都支持的功能。

　　通过使用 DOMParser，您可以轻松解析 HTML 文档。但是，通常需要欺骗浏览器来实现解析，例如通过向当前文档添加新元素。

　　DOMParser 的使用非常简单明了：

　　let domParser = new DOMParser();

let doc = domParser.parseFromString(stringContainingXMLSource, "application/xml");

domParser = new DOMParser();

doc = domParser.parseFromString(stringContainingSVGSource, "image/svg+xml");

domParser = new DOMParser();

doc = domParser.parseFromString(stringContainingHTMLSource, "text/html");

　　切里奥

　　为服务器设计的核心 jQuery 的快速、灵活和精致的实现。

　　Cheerio 看起来像 jQuery，但它不支持浏览器。Cheerio 可以解析 HTML 并使其易于操作，但它不会像在浏览器中那样解析 HTML，解析出与浏览器不同的内容，并且不会将解析结果直接发送给用户。

　　Cheerio 实现了 jQuery 的一个子集，去除了 jQuery 中所有与 DOM 不一致或用于填充浏览器的东西，再现了 jQuery 最漂亮的 API

　　得益于极其简洁和标准的 DOM 模型，Cheerio 在文档转换、操作和渲染方面非常高效。

　　JavaScript 开发者应该熟悉 Cheerio 的语法和用法：

　　var chro = require('cheerio'),

$ = chio.load('Hello World!');

$('h1.title').text('Hello Chongchong!');

$('h1').attr('id', 'welcome');

$.html();

结果：

Hello Chongchong!

　　jsdom

　　jsdom 是许多 Web 标准（尤其是 WHATWG DOM 和 HTML 标准）的纯 JavaScript 实现，可以与 Node.js 结合使用。jsdom 项目的目标是模拟 Web 浏览器的一个子集，以满足实际 Web 应用程序的测试和抓取。

　　jsdom 不仅仅是一个 HTML 解析器，它还可以用作浏览器。在解析的上下文中，如果要解析的数据中省略了必要的标签，它会自动添加必要的标签。比如没有html标签，它会像浏览器一样隐式添加。

　　您还可以选择指定一些属性，例如文档、引用 URL 或用户代理的 URL。如果您需要解析收录

本地 URL 的链接，则此 URL 特别有用。

　　由于实际上和解析没有关系，所以只提到jsdom有（虚拟）控制台，支持cookies等，总之需要模拟浏览器环境

　　它还可以处理外部资源。如果需要，可以使用 jsdom 加载和执行 JS 脚本。

　　结果：

　　"Hello, Chongchong!"

　　解析5

　　parse5 几乎提供了处理 HTML 所需的一切。Parse5 库，目标是构建其他工具，但也可以实现 HTML 解析来完成简单的任务。Parse5 易于使用，但它没有提供一种方法来操作浏览器提供的 DOM（例如 getElementById）。

　　parse5 催生了一系列采用它的令人印象深刻的项目：jsdom、Angular2 和 Polymer。如果要求是高级操作或 HTML 解析的可靠基础，那么显然这是一个不错的选择。

　　const parse5 = require('parse5');

　　const document = parse5.parse('你好冲冲！');

　　console.log(document.childNodes[1].tagName);

　　总结

　　在本文中，我们介绍了 JS 下几个常见的 Html 解析库。根据标准，实际的HTML格式语法格式需要是容错的。当时，在图书馆中很难简单完美地实现。如果大家有更好的推荐，欢迎分享给大家。