用cheerio报废的问题

时间:2014-07-10 07:38:58

标签: node.js screen-scraping cheerio

我一直在努力为我们正在建设的网站抓取10个网站,使用链接到原始网站,在node.js上使用cheerio,我们得到的问题是有些网站已经改变,现在使用ajax调用带来他们的数据,我的问题是我们如何获取这些信息,例如首先触发按钮点击然后获取DOM。

其次:相同的dom结构并没有获取所有数据,它是检索一个页面的信息,而不是在具有相同DOM结构的另一个页面上获取元素。任何帮助将不胜感激。

谢谢和问候。 修改1:相关代码

$('#ProductContent').filter(function(){
                            var price = undefined;
                            var ukulele = false;
                            var model = $(this).find('.ProductSubtitle').text().replace(/\n\s*/g,"");
                            if(model.indexOf(/m/i) != 0){
                                var description = $(this).find('.RomanceCopy').text().replace(/\n\s*|\r/g,"");
                                .
                                .code removed for brevity and the variables present here are populated
                                .
                                //this children is populated only for one page.
                                children =  $(this).find('.SpecsColumn .SpecsTable table tbody').children('tr');
                                console.log('children: '+children.length)
                                console.log(guitar_url);
                                children.each(function(){
                                    var key = $(this).children('td').first().text();
                                    var value = $(this).children('td').last().text();
                                    specs[key] = value;
                                    console.log(specs); 
                                });

编辑2:Cherios初始化

request(guitar_url,function(error,response,html){
                    if(!error){
                        var $ = cheerio.load(html);
                        $("#content #right-content").filter(function(){..children and other variables are populated inside here....})
                    }
 })

2 个答案:

答案 0 :(得分:5)

总结您收到的所有评论:

Cheerio是受jQuery启发的简约DOM读者。它的设计专注于阅读数据,而不是浏览器模拟器,您可以点击按钮。

替代方案是使用无头浏览器,例如PhantomJSCasperJS

这两个在Node.js范围之外,您可能很难将Node.js中的数据来回传输到无头浏览器。

如果您要保留在Node.js环境中很重要,那么您可以使用JSDOM

所有这些都比使用Cheerio更加复杂,但是如果你想操纵DOM,在DOM上执行JavaScript等等......那么这是你最好的选择。

答案 1 :(得分:0)

删除' tbody'标签解决了问题,一旦删除它就开始为所有三个站点正常获取数据。