Node.jsのHTMLパーサー

Question

nodejsにRubyのnokogiriのようなものがありますか？ 私は使いやすいHTMLパーサーを意味します。

私はNode.jsモジュールのページでいくつかのパーサを見たことがありますが、私はきれいで新鮮なものを見つけることができません。

Answer 1

DOMをビルドする場合は、jsdomを使用できます。

cheerioもありますが、これはjQueryインターフェイスを持ち、最近のjsdomのバージョンよりもはるかに高速ですが、最近はパフォーマンスが似ています。

ストリーミングパーサーであるhtmlparser2を参照してください。ベンチマークによれば、他のものより速く、デフォルトではDOMがないようです。また、DOMを生成するハンドラとバンドルされているため、DOMを生成することもできます。これはcheerioによって使用されるパーサーです。

parse5も良い解決策のようです。 WHATWGに準拠しており、jsdom、Angular、およびPolymerで使用されています（このアップデートの最終コミット以降11日間）。

web scrapingのHTMLを解析する場合は、YQLを使用できます。それにはnode moduleがあります。 YQL私はあなたのHTMLがstaticウェブサイトからのものであれば、自分のコードや処理能力ではなく、サービスに頼っているので、最高の解決策になると思います。ウェブサイトのrobot.txtによってページが許可されていないとうまくいかないことに注意してください.YQLはそれに対応していません。

掻き取ろうとしているウェブサイトがdynamicの場合はphantomjsのようにheadless browserを使用してください。あなたがファントムを考えているなら、casperjsも見てください。そして、あなたはSpookyJSとノードからcasperjsを制御することができます。

ファントムズの隣には、zombiejsがあります。 nodejsに埋め込まれないphantomjsとは異なり、zombiejsは単なるノードモジュールです。

後者のソリューションにはnettuts+ toturialがあります。

Answer 2

お試しhttps://github.com/tmpvar/jsdom - あなたはいくつかのHTMLを与え、あなたにDOMを与えます。

Answer 3

更新：cheerioおそらくあなたの最善の策です。

Node.ioはかなり包括的な掻き取りツールです。

Answer 4

また、X線を見てみることができます：あなたは「やさしい」でhttps://github.com/lapwinglabs/x-ray