使用 nodeJs 抓取 XML答案

【问题标题】：XML scraping using nodeJs使用 nodeJs 抓取 XML
【发布时间】：2020-06-29 18:02:22
【问题描述】：

我有一个非常大的 xml 文件，我是通过从计数中导出所有数据获得的，我正在尝试使用 web 抓取来使用cheerio 从我的代码中获取元素，但是我在格式化或类似的东西上遇到了问题。使用 fs.readFileSync() 读取它可以正常工作，并且 console.log 显示完整的 xml 文件，但是当我使用 fs.writeFileSync 写入文件时，它看起来像这样：

我的网页抓取代码输出空文件：

const cheerio = require('cheerio');
const fs = require ('fs');



var xml = fs.readFileSync('Master.xml','utf8');

             const htmlC = cheerio.load(xml);
                     var list = [];
             list = htmlC('ENVELOPE').find('BODY>TALLYMESSAGE>STOCKITEM>LANGUAGENAME.LIST>NAME.LIST>NAME').each(function (index, element) {
                list.push(htmlC(element).attr('data-prefix'));
             })
             console.log(list)
             fs.writeFileSync("data.html",list,()=>{})

【问题讨论】：

只是为了确认一下，当你说你的网页抓取代码输出一个空文件时，你的意思是在执行结束时，data.html 是空的？

标签： node.js xml web-scraping cheerio tally

【解决方案1】：

您可以尝试检查以确保 Cheerio 没有解码所有 HTML 实体。变化：

const htmlC = cheerio.load(xml);

到：

const htmlC = cheerio.load(xml, { decodeEntities: false });

【讨论】：