在 Node.js 上解析 HTML 的最佳实践

如果希望构建 DOM，可以用 jsdom。

还有 cheerio，它有 jQuery 接口，比老版本的 jsdom 速度快许多，尽管目前它们在表现上已经基本相似了。

也可以看看 htmlparser2，流解析，以它的标准来看，好像是比其它库都要快，默认是不支持 DOM 的。它也可以构建 DOM，因为它也绑定了一个创建 DOM 的处理程序，就是 cheerio。

parse5 看起来也是一个不错的方案。它相当活跃（这次更新的最后一次 commit 是 11 天前），符合 WHATWG 标准，被运用在 jsdom, Angular 和 Polymer 中。

如果你是为了爬网站而解析 HTML 的话，可以用 YQL。这里有一个对应的 node 模块。如果 HTML 来自于一个静态网站，我想 YQL 会是最好的方案，因为你依赖于那个服务，而不是自己的代码和处理性能。不过要注意，如果网站该页面通过 robot.txt 驳回的话就不起作用了，YQL 对这点无能无力。

如果你想爬的网站是动态的，就应该用没有图形界面的浏览器比如 phantomjs。同样也可以看看 casperjs。你可以在 node 中用 SpookyJS 来控制 casperjs。

除了 phantomjs 还有 zombiejs。不同于不能嵌入 nodejs 的 phantomjs，zombiejs 就是一个 node 模块。

如果需要更进一步的解决方案，可以看 nettuts+ 的教程。