Cheerio 没有选择 HTML 字符串中存在的某些元素

Question

我正在尝试抓取一个网站，但我遇到了一个问题，即使用 Request JS，我得到了一个要传递给 Cheerio 的 HTML 字符串。

令人困惑的部分是我试图抓取的 HTML 字符串中确实存在一些部分，但是当我使用 Cheerio 尝试抓取它们时，虽然它在那里却找不到它......

例如，在另一个表的最后一行内有一个带有 ID 的表，我希望通过使用该 ID 作为选择器，我可以获取所有子 TR，但是我得到的是第一个 TR，然后是另一个里面有一个 TD，然后是第二个 TR 的突然关闭，然后是表格的结束标记。

从console.logging HTML 字符串发送到cheerio.load 之前，我可以看到第二个TR 中显然有更多信息，然后是在关闭该表之前的多个其他TR。但是当我通过cheerio 运行它时，它告诉我的不是这个。

现在正在查看其余部分（尽管不知道这是否重要...）我注意到其中有 href="javascript:void(0)" —— 这样的事情会不会让 Cheerio 失望？

感谢您的帮助。

经过进一步调查，如果我使用 'td:contains("this text")' 之类的选择器，则会出现此问题。但据我所知，没有任何其他方式。

另外，javascript:void(0) 没有引起问题，我使用正则表达式删除了它的所有实例，但仍然有谜团。

Answer 1

事实证明，代码编写时出错，可能是为了阻止抓取。有一个标签<font> 以</div> 结束，这不知何故破坏了cheerio 的解析能力。

html = html.replace(/[<]font size[=]["]1["][>]\d[<]\/div[>]/g, ""));