html - Node.js上的HTML解析器

如果您想构建DOM，可以使用jsdom。

还有cheerio，它有jQuery界面，它比旧版jsdom快很多，虽然现在它们的性能相似。

你可能想看一下htmlparser2，它是一个流式解析器，根据它的基准测试，它似乎比其他的更快，默认情况下没有DOM。它还可以生成DOM，因为它还与创建DOM的处理程序捆绑在一起。这是cheerio使用的解析器。

parse5看起来也是一个很好的解决方案。它相当活跃（自此次更新后最后一次提交后11天），符合WHATWG标准，并在jsdom，Angular和Polymer中使用。

如果您要解析web scraping的HTML，可以使用YQL。它有一个node module。如果您的HTML来自static网站，我认为YQL是最佳解决方案，因为您依赖的是服务，而不是您自己的代码和处理能力。虽然请注意，如果网站的robot.txt禁止该页面，它将无效.YQL将无法使用它。

如果您尝试抓取的网站是dynamic，那么您应该使用headless browser phantomjs。如果你正在考虑使用phantomjs，还可以查看casperjs。您可以使用SpookyJS从节点控制casperj。

除了幻影之外还有zombiejs。与无法嵌入nodejs的phantomjs不同，zombiejs只是一个节点模块。

后一种解决方案有nettuts+ toturial。

尝试https://github.com/tmpvar/jsdom - 你给它一些HTML，它会给你一个DOM。