Question

我正在寻找使用xpath的html内容提取器，我已经看到了各种nodejs模块，如

jsdom，htmlparser2，xpath，cheerio

我发现cheerio更适合使用class，id，tags等获取数据但是我无法通过指定xpath来获取数据，并且通过使用xpath nodejs模块，我能够使用xpath获取更小的html数据，更长的html它给出了不同类型的错误，如

未找到实体：@＃[line：120，col：9]，未关闭的xml属性 @＃[行：1，西：877]

注意：我无权以任何方式更改html

e.g。如果我的HTML是

<html>
<body>

<div>

    <ul id="fruits">
        <li class="apple">Apple</li>
        <li class="orange">Orange</li>
        <li class="pear">Pear</li>
    </ul>

</div>

</body>


</html>

如果我使用这个并使用xpath nodejs模块给这个xpath //*[@id="fruits"]/li[2]找到元素，我没有收到任何错误，并使用xpath nodejs模块得到 Orange 的结果，但是如果我使用此页面的html http://www.infotaxi.org/india_taxi/ahmedabad_taxi.htm

（这是相当长的），并使用xpath

访问文本部分

//*[@id="navlistmeniu"]/li[3]/a/b,

我收到错误

未找到实体：@＃[line：120，col：9]

使用Cheerio我可以使用class，id，tags等提取数据，而不是使用xpath

请帮忙????

Answer 1

我认为这是您的答案xpath-html，请自己进行测试：

const xpath = require("xpath-html");
const node = xpath.fromPageSource(html).findElement("//*[contains(text(), 'with love')]");

如何使用nodejs模块使用xpath提取html内容

1 个答案: