Question

我正在使用puppeteer加载网站，然后使用以下方法存储该网站的HTML：

html = await page.evaluate('new XMLSerializer().serializeToString(document.doctype) + document.documentElement.outerHTML');

这可以正常工作，并按预期方式返回html（不能使用此网站上的请求，长话短说）。

我现在需要做的是在HTML中有一个看起来像这样的块：

<ul class="styled-radio">
<li>
<input type="radio" name="variant_id" id="variant_id_118018" value="118018">
<label for="variant_id_118018">5</label>
</li>
<li>
<input type="radio" name="variant_id" id="variant_id_118019" value="118019">
<label for="variant_id_118019">6</label>
</li>
<li>
<input type="radio" name="variant_id" id="variant_id_118020" value="118020">
<label for="variant_id_118020">6,5</label>
</li>
... keeps going ...
</ul>

对于每个variant_id_xxxxxx，我需要获取xxxxxx数字值以及标签内部文本，然后将其存储为xxxxxx：innerTextHere

例如，该文本块上方的第一个文本为118018：5

如果我们然后可以将所有xxxxxx：innerTextHere值存储在数组 sizes 中，那也将非常有用，因此上述html的最终结果将为[118018：5、118019：6、118020 ：6,5]

预先感谢：）

Answer 1

您可以使用节点包Cherrio来达到上述效果。请参考示例代码。

const cheerio = require('cheerio')

const data = `
<ul class="styled-radio">
<li>
<input type="radio" name="variant_id" id="variant_id_118018" value="118018">
<label for="variant_id_118018">5</label>
</li>
<li>
<input type="radio" name="variant_id" id="variant_id_118019" value="118019">
<label for="variant_id_118019">6</label>
</li>
<li>
<input type="radio" name="variant_id" id="variant_id_118020" value="118020">
<label for="variant_id_118020">6,5</label>
</li>
... keeps going ...
</ul>`;

const result = [];

const $ = cheerio.load(data);

const variants = $("input[name='variant_id']");

variants.each((index, { attribs }) => {
    const { id, value } = attribs;
    const label = $("label[for='" + id + "']");
    result.push({
        id,
        value,
        label: label.text()
    })
})


console.log(result);

NodeJS-解析HTML并多次查找某些字符串

1 个答案: