Question

我正在尝试使用NodeJS和cheerio处理页面，但由于额外的结束标记，我遇到了一些问题，这似乎是将其抛弃。在处理页面之前，我是否可以使用任何NodeJS库来首先将页面转换为格式正确的HTML，这与浏览器的方式非常相似？

我看到的HTML示例：

<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')

如果没有额外的结束标记，它会返回三个锚点，但在当前场景中它只返回一个。我在Cheerio中没有看到任何解决方法，因此想要预处理HTML。

Answer 1

基于一些实验，我最终使用了jsdom，利用它创建DOM的能力，并且能够序列化该文档对象模型：

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

注意，我可能完全用jsdom替换cheerio，但我需要先比较功能集。

Answer 2

您可以尝试使用gulp-html-replace

npm i gulp-html-replace