使用 Node.js 获取输入 HTML 的 DOM 对象答案

【问题标题】：Get DOM object of input HTML using Node.js使用 Node.js 获取输入 HTML 的 DOM 对象
【发布时间】：2013-10-16 07:49:43
【问题描述】：

我有一个 HTML 响应。我需要解析它并生成一个 DOM 对象。生成 DOM 对象后，我需要在其中搜索特定字符串并获取它所在的 HTML 标记的完整层次结构。有没有可用的 NPM 包。

【问题讨论】：

标签： node.js dom html-parsing npm

【解决方案1】：

现在在 htmlparser2 中有一个更简单的 API：

var htmlparser = require("htmlparser2");
var dom = htmlparser.parseDOM("<html>your html string</html>");
console.log(dom);

【讨论】：

htmlparser2 对新手来说似乎记录得很糟糕:(

【解决方案2】：

您有可以解析 HTML 流的 htmlparser2 包。您可以使用与 htmlparser2 本身捆绑在一起的 DomHandler 获取 DOM。请参阅那里给出的示例。例如

var htmlparser = require("htmlparser2");
var rawHtml = "<html>your html string</html>";
var handler = new htmlparser.DomHandler(function (error, dom) {
        console.log(dom);
});
var parser = new htmlparser.Parser(handler);
parser.write(rawHtml);
parser.done();

【讨论】：

【解决方案3】：

手动解析 DOM 对象是一项繁琐的工作。
我想每个人都需要一个 Soup Select（soupselect 包）来解析复杂的 DOM 对象。
soupselect 是处理 DOM 的绝佳软件包。请参见以下示例：

var htmlparser = require("htmlparser2");
var select = require('soupselect').select;
var handler = new htmlparser.DomHandler(function (error, dom) {
  if (error)
    console.log('error:', error);
  else {
    // selector reference:
    // http://www.w3schools.com/jquery/jquery_ref_selectors.asp
    var sel = select(dom, 'body p');
    console.log("text in the first <p>: '" + sel[0].children[0].data + "'");
  }
});
var parser = new htmlparser.Parser(handler);
var rawHtml =
  "<html>"
  + "<head><title>My Title</title></head>"
  + "<body>"
  + "<p>"
  + "   Hello World"
  + "</p></body></html>";
parser.parseComplete(rawHtml);

输出：

text in the first <p>: '   Hello World'

【讨论】：

【解决方案4】：

parseDOM 函数现在在 htmlparser2 包中被弃用。你现在可以使用parseDocument函数了。

const { parseDocument } = require("htmlparser2");

let dom = parseDocument(row_html);
console.log('DOM: ', dom);

【讨论】：