Question

我试图用cheerio获取网址的标题标签。但是，我得到空字符串值。这是我的代码：

app.get('/scrape', function(req, res){

    url = 'http://nrabinowitz.github.io/pjscrape/';

    request(url, function(error, response, html){
        if(!error){
                        var $ = cheerio.load(html);

            var title, release, rating;
            var json = { title : "", release : "", rating : ""};

            $('title').filter(function(){
                //var data = $(this);
                var data = $(this);
                        title = data.children().first().text();            
                        release = data.children().last().children().text();

                json.title = title;
                json.release = release;
            })

            $('.star-box-giga-star').filter(function(){
                var data = $(this);
                rating = data.text();

                json.rating = rating;
            })
        }


        fs.writeFile('output.json', JSON.stringify(json, null, 4), function(err){

            console.log('File successfully written! - Check your project directory for the output.json file');

        })

        // Finally, we'll just send out a message to the browser reminding you that this app does not have a UI.
        res.send('Check your console!')
    })
});

Answer 1

request(url, function (error, response, body) 
{
  if (!error && response.statusCode == 200) 
  {
    var $ = cheerio.load(body);
    var title = $("title").text();
  }
})

使用Javascript我们提取“title”标签中包含的文本。

Answer 2

如果Robert Ryan的解决方案仍然无法解决问题，我会怀疑原始页面的格式，这可能会以某种方式出现格式错误。

在我的情况下，我接受gzip和其他压缩但从不解码，所以Cheerio试图解析压缩的二进制位。当控制台记录原始主体时，我能够发现二进制文本而不是纯文本HTML。

获取cheerio页面的标题

2 个答案: