Cheerio：使用分隔符从 HTML 中提取文本

JS

Cheerio：使用分隔符从 HTML 中提取文本

Cheerio 是一个强大的 HTML 解析库，可以让我们轻松地从 HTML 中提取出所需的文本。在使用 Cheerio 进行文本提取时，我们可以使用分隔符来将文本分隔成不同的部分，从而更方便地处理和使用这些数据。

什么是 Cheerio？

Cheerio 是一个基于 jQuery 核心的快速、灵活、精益的 HTML 解析库。它可以让我们像使用 jQuery 一样操作 HTML 文档，提供了一套简洁而强大的 API，非常适合在 Node.JS 环境下进行 HTML 解析和数据提取的工作。

如何使用 Cheerio 提取文本？

首先，我们需要安装 Cheerio 模块，可以使用 npm 命令进行安装：

shell
npm install cheerio

安装完成后，我们可以在项目中引入 Cheerio 模块，并使用 load 方法将 HTML 字符串加载为一个 Cheerio 对象。然后，我们可以使用 CSS 选择器来选择需要提取的元素，并使用 text 方法获取其文本内容。

下面是一个简单的示例代码，演示了如何使用 Cheerio 提取 HTML 中的文本：

Javascript
const cheerio = require('cheerio');
const html = '<div><h1>Hello, Cheerio!</h1>
This is a paragraph.
</div>';
const $ = cheerio.load(html);
const title = $('h1').text();
const paragraph = $('p').text();
console.log('Title:', title);
console.log('Paragraph:', paragraph);

在上面的示例中，我们首先将 HTML 字符串加载为一个 Cheerio 对象。然后，使用 $ 变量来获取需要提取的元素，并使用 text 方法获取其文本内容。最后，我们将提取得到的标题和段落打印输出。

案例代码

下面是一个更复杂的案例代码，展示了如何使用 Cheerio 提取一个网页中的多个元素，并使用分隔符将其分隔开来：

Javascript
const cheerio = require('cheerio');
const html = <code>
  <div class="post">
    <h2>Post 1</h2>
    
<img src="https://img.izhida.com/topic/2c56c360580420d293172f42d85dfbed.jpg" alt="CSS"><br>CSS
This is the first post.
  </div>
  <div class="post">
    <h2>Post 2</h2>
    
This is the second post.
  </div>
  <div class="post">
    <h2>Post 3</h2>
    
This is the third post.
  </div>
</code>;
const $ = cheerio.load(html);
const posts = $('.post');
let output = '';
posts.each((index, element) => {
  const title = $(element).find('h2').text();
  const content = $(element).find('p').text();
  output += <code><strong>Post ${index + 1}</strong>\nTitle: ${title}\nContent: ${content}\n\n</code>;
});
console.log(output);

在上面的示例中，我们首先将给定的 HTML 字符串加载为一个 Cheerio 对象。然后，使用 CSS 选择器选择所有的 .post 元素，并通过遍历每个元素来提取其标题和内容。最后，我们使用分隔符将每个帖子的标题和内容分隔开来，并将其保存到 output 变量中。

使用 Cheerio 可以轻松地从 HTML 中提取出所需的文本。通过使用分隔符，我们可以更方便地处理和使用这些数据。Cheerio 提供了一套简洁而强大的 API，使得在 Node.JS 环境下进行 HTML 解析和数据提取变得非常简单。

希望本文对你了解 Cheerio 的文本提取功能有所帮助！