如何使用node.js“标准化”HTML？

我正在尝试使用NodeJS和cheerio处理页面，但是由于额外的结束标记，我似乎遇到了一些问题，这似乎正在抛弃它。是否有任何NodeJS库可用于在处理它之前首先将页面转换为格式正确的HTML，这与浏览器的工作方式大致相同？如何使用node.js“标准化”HTML？

我看到了HTML的一个例子：

<tr><td><a href="...">mylink</a></td></tr> 
<tr><td><a href="...">mylink</a></td></td></tr> 
<tr><td><a href="...">mylink</a></td></td></tr>

和我的代码：

var nodes = $('div table[cellpadding=3] tr td a')

没有它返回我三个锚额外的结束标记，但在目前的情况下它只返回我一个。我在Cheerio中没有看到任何解决方法，因此希望对HTML进行预处理。

2016-03-11 Andre M

如果是consistantly同样的问题，你可以搜索和替换 '' – psiphi75

我对这种方法感到不舒服，因为这会涉及单个用例的代码，我宁愿有一个解决方案，我可以使用其他严重标记的页面，在浏览器中呈现罚款。 –

基于一些实验，我结束了使用jsdom，服用它来创建一个DOM能力优势的同时也能够连载该文档对象模型：

function processPage(data) { 
    data = jsdom(data).documentElement.outerHTML 
    $ = cheerio.load(data); 
    ... 
}

注意，我大概可以代替cheerio与jsdom完全，但我需要首先比较功能集。

2016-03-11 20:11:30

你可以尝试一口，HTML替换

npm i gulp-html-replace

2016-03-14 14:20:37

回答