您好我在过去几个小时内一直在使用cheerio.js处理以下代码和非结构化内容。
到目前为止，我还没有成功，非常感谢你的帮助。
我正在迭代源内容以生成一个数组，只是输出数组的格式不正确。
以下是源HTML。
var cheerio = require('cheerio');
var htmlContent2 = '<div id="header1"><p class="headpara">Header content</p> <p class="elem"><b>a. </b>Lorem dolor sit amet, consectetur:</p><p class="elem"><b>1. </b>Perferendis iure doloremque iusto facilis.</p><p class="elem"><b>2. </b>Asperiores impedit officiis cumque molestias at rerum !</p><p class="elem"><b>b. </b>More dummy text.</p> <p class="elem"><b>1. </b>Additional dummy text: </p> <p class="elem"><b>(a).</b>Asperiores impedit officiis.</p> <p class="elem"><b>(b).</b>Lolestiae asperiores ad repellat est obcaecati.</p> <p class="elem"><b>2. </b>Lorem ipsum dolor sit amet 1.</p> <p class="elem"><b>3.</b>Lorem ipsum dolor sit amet 2. </p> <p class="notelem">Dignissimos maiores facere consequuntur quod.</p><p class="notelem"> maiores facere consequuntur quod.</p> <p class="elem"><b>c. </b>Ea consectetur excepturi aperiam.</p></div>';
这是我的代码：
var $ = cheerio.load(htmlContent2);
//Regex to filter content based on pattern:
var regex1 = /[a-z]\.\s/,
regex2 = /[0-9]\./,
regex3 = /\([a-z]\)/,
regex4 = /\([0-9]\)/;
allList = [];
var newElements = $(".elem b").filter(function () {
var newList = [];
var item1,
item2,
item3,
item4;
newList.push($(this).parent().text());
for (var i = 0, j = newList.length; i < j; i++) {
if (regex1.test($(this).text())) {
item1 = $(this).text();
allList.push(item1);
}
if (regex2.test($(this).text())) {
item2 = $(this).text();
allList.push(item2);
}
if (regex3.test($(this).text())) {
item3 = $(this).text();
allList.push(item3);
}
}
});
console.log(JSON.stringify(allList));
目前的结果是：
["a. ","1. ","2. ","b. ","1. ","(a).","(b).","2. ","3.","c. "]
期望的结果应该是：
["a. ",["1. ","2. "],"b. ",["1. ",["(a).","(b)."],"2. ","3."],"c. "]
数组嵌套级别因源内容而异。我在论坛上搜索了类似的方法，但没有用。
由于
答案 0 :(得分：1)
你越来越近了。只要你只需要测试你设置为正则表达式的4个条件，这应该可以正常工作。基本上，它只是检查你所处的级别，并从堆栈中推出或弹出一个数组来构建你想要的结构。
编辑：我清理了代码，因此不会污染您的范围。我也改变了你的正则表达式，有些是必要的，只是试图预测数据变化（即值之后没有空格或列表高于9）。
EDIT2 ：我还注意到你试图对内容做些什么，所以我给你一种方法来嵌套一个对象的属性，这样你就可以获得有用的信息和嵌套“标签”。
EDIT3 ：添加了一个打印功能，可以帮助您测试您遇到的问题并修复了一个错误，即从较高级别跳到下面的多个级别会错误地降低一个级别。您将看到我们拆分内容以便它可以嵌套标签，然后在输出期间按照您的意愿重新组合它们。这里只是记录，但当然可以很容易地将html标签附加到文档中。
var autoNest = function(list, prop) {
var regex1 = /[a-z]\.\s?/,
regex2 = /[0-9]+\.\s?/,
regex3 = /\([a-z]\)\.\s?/,
regex4 = /\([0-9]+\)\.\s?/;
var getLevel = function(text) {
if (regex1.test(text)) {
return 0;
}
if (regex2.test(text)) {
return 1;
}
if (regex3.test(text)) {
return 2;
}
if (regex4.test(text)) {
return 3;
}
throw new Error('Unexpected content');
};
var peek = function(arr) {
return arr[arr.length - 1];
};
var result = [];
var stack = [result];
var lastLevel = 0;
list.forEach(function(obj) {
var value = prop ? obj[prop] : obj;
var currentLevel = getLevel(value);
var arr = peek(stack);
if (currentLevel > lastLevel) {
var next = [];
arr.push(next);
stack.push(next);
} else if (currentLevel < lastLevel) {
var diff = lastLevel - currentLevel;
for (var i = 0; i < diff; i++) {
stack.pop();
}
}
arr = peek(stack);
arr.push(obj);
lastLevel = currentLevel;
});
return result;
};
$('.elem b').each(function() {
var label = $(this).text();
var content = $(this).parent().text();
items.push({
label: label,
content: content
});
});
function printArray(items, level) {
level = level || 0;
items.forEach(function(item) {
if (Array.isArray(item)) {
printArray(item, level + 1);
} else {
var output = '';
for (var i = 0; i < level; i++) {
output += ' ';
}
output += item.label + ' ' + item.content;
console.log(output);
}
});
}
var nested = autoNest(items, 'label');
printArray(nested);
答案 1 :(得分：0)
您的代码中只进行了一些编辑。我所做的不同是使用不同级别的不同数组：
var $ = cheerio.load(htmlContent2);
//Regex to filter content based on pattern:
var regex1 = /[a-z]\.\s/,
regex2 = /[0-9]\./,
regex3 = /\([a-z]\)/,
regex4 = /\([0-9]\)/;
allList = [];
//these should be here:
var level2 = [];
var level3 = [];
var newElements = $(".elem b").filter(function () {
var newList = [];
var item1,
item2,
item3,
item4;
newList.push($(this).parent().text());
//var level2 = [];
//var level3 = [];
for (var i = 0, j = newList.length; i < j; i++) {
if (regex1.test($(this).text())) {
if(level2.length > 0)
{
allList.push(level2);
level2=[];
}
if(level3.length > 0)
{
level2.push(level3);
allList.push(level2);
level3=[];
}
item1 = $(this).text();
allList.push(item1);
continue;
}
if (regex2.test($(this).text())) {
if(level3.length > 0)
{
level2.push(level3);
level3=[];
}
item2 = $(this).text();
level2.push(item2);
continue;
}
if (regex3.test($(this).text())) {
item3 = $(this).text();
level3.push(item3);
continue;
}
}
});
console.log(JSON.stringify(allList));
答案 2 :(得分：0)
Hi伙计们，这是我的解决方案，它会直接将a样式数组转换为b样式数组。
var a = ["a. ", "1. ", "2. ", "b. ", "1. ", "(a).", "(b).", "2. ", "3.", "c. "];
var b = ["a. ", ["1. ", "2. "], "b. ", ["1. ", ["(a).", "(b)."], "2. ", "3."], "c. "];
var level = function(o) {
if (/[a-z]\.\s/.test(o))
return 1;
if (/[0-9]\./.test(o))
return 2;
if (/\([a-z]\)/.test(o))
return 3;
if (/\([0-9]\)/.test(o))
return 4;
return 0;
};
var shadow = function(arr) {
var i, j, arr2 = [];
for (i = 0, j = arr.length; i < j; i++) {
arr2[i] = level(arr[i]);
}
return arr2;
};
var convert = function(arr) {
var ia, ib, temp;
var s = shadow(arr);
if (arr.length > 1) {
for (ia = 0, ib = 0; ia < arr.length; ia = ia + 2) {
ib = s.indexOf(s[ia], ia + 1);
if (ib > -1 && ib - ia > 1) {
temp = arr.slice(ia + 1, ib);
arr.splice(ia + 1, ib - ia - 1, convert(temp));
s.splice(ia + 1, ib - ia - 1, []);
}
}
}
return arr;
};
测试：
let x = convert(a);
let txt =JSON.stringify(x);
ut.writeLog(txt);<br>
ut.assertEqual(x, b, joCompare);
测试开始 - （1） -
[＆＃34;一个。 ＆＃34; [＆＃34; 1。 ＆＃34;＆＃34; 2。 ＆＃34]，＆＃34; b。 ＆＃34; [＆＃34; 1。 ＆＃34; [＆＃34;（一）及＃34;＆＃34;（B）＆＃34;。]，＆＃34; 2。 ＆＃34;＆＃34; 3＆＃34]，＆＃34℃。 ＆＃34;]
1. [通过] :( ...）==＆gt; （Equal） - （Equal）预期为
总计：1，通过：1，失败：0，统计：100％通过