使用 contains 和 Cheerogs 抓取 url 值

Question

我使用 Cheeriogs 库进行抓取：

https://github.com/tani/cheeriogs

这是我需要收集值href的元素：

<a class="tnmscn" itemprop="url" href="/en/predictions-tips-wealdstone-solihull-moors-1455115">

这是我目前用来提取值的代码。：

const contentText = UrlFetchApp.fetch(url).getContentText();
const $ = Cheerio.load(contentText);

const scrapurl = $('div.schema > div > div.tnms > div > a.tnmscn');
const urlmatch = $(scrapurl).attr('href').trim();
Logger.log(urlmatch);

但这并不可靠，因为我担心最终会改变网站上的位置并收集除该位置的可点击元素中出现的链接之外的其他链接：

所以我想让它更安全，所以我尝试使用：

div.schema > div > div.tnms > div > a:contains("/en/predictions-tips")

那没用。我应该如何使用contains 来满足这个需求？

添加信息：

页面链接
https://www.forebet.com/en/teams/wealdstone

图像到元素

Answer 1

在你的情况下，下面的选择器怎么样？

发件人：

const scrapurl = $('div.schema > div > div.tnms > div > a.tnmscn');

收件人：

const scrapurl = $('a.tnmscn[href^="/en/predictions"]');

或

const scrapurl = $('div.schema > div > div.tnms > div > a.tnmscn[href^="/en/predictions"]');

或

const scrapurl = $('div.schema > div > div.tnms > div > a[href^="/en/predictions"]');

• 在上述全部修改的脚本中，检索到/en/predictions-tips-wealdstone-solihull-moors-1455115。
• 在上述选择器中，a 标记和a 类tnmscn 中href 的起始文本为/en/predictions。

但是，从您使用的 URL 中检索到 2 个值。 Granitosaurus's comment 已经提到了这一点。所以我认为当你想检索第一个值时，可以使用上面对你的脚本的修改。

如果要检索2个值，下面的修改怎么样？

修改脚本：

在本次修改中，也可以使用上面修改过的选择器。

const url = "https://www.forebet.com/en/teams/wealdstone";
const contentText = UrlFetchApp.fetch(url).getContentText();
const $ = Cheerio.load(contentText);
const scrapurl = $('div.schema > div > div.tnms > div > a.tnmscn[href^="/en/predictions"]'); // and a.tnmscn[href^="/en/predictions"]
$(scrapurl).each(function() {
  const urlmatch = $(this).attr('href');
  console.log(urlmatch);
});

• 当这个脚本运行时，得到如下结果。

    /en/predictions-tips-wealdstone-solihull-moors-1455115
    /en/predictions-tips-crawley-town-leyton-orient-1474259
  

参考资料：

• Selectores CSS
• cheeriogs