【Nodejs】cheerio简单示例

cheerio的API挺多，我也了解有限，欲知详情请参考 “通读cheerio API”。

下面就事论事聊聊它的基本使用。

比如说在某网页中有这么一段HTML：

tbody>        <tbody id="stickthread_8349137"   class="bs_bg1" >
            <tr>
                <td class="icon">
                                    <a href="chat.php?tid=8349137" title="聊天模式" target="_blank"><img src="images/icons/icon6.gif" alt="Icon15" class="icon" />a>
                                td>
                <th class="hot" >
                    <label>
                                                                <img src="images/2008/pin_1.gif" alt="本版置顶" title="本版置顶"/>
                                         label>
                                                            <em>[<a href="forumdisplay.php?fid=8&filter=type&typeid=48">看盘a>]em>                                        <span id="thread_8349137" class="forumdisplay"><a href="thread-8349137-1-1.html" style="font-weight: bold;color: hotpink" target="_blank"> 2018年4月25日实时看盘交流 a>span>
                                                                                    <img src="images/attachicons/common.gif" alt="附件" title="附件" class="attach" />
                                                            
                                                                <span class="threadpages">   <a href="thread-8349137-2-1.html">2a> <a href="thread-8349137-3-1.html">3a> <a href="thread-8349137-4-1.html">4a> <a href="thread-8349137-5-1.html">5a> <a href="thread-8349137-6-1.html">6a>  .. <a href="thread-8349137-14-1.html">14a> span>
                    
                                                        th>
                <td class="author">
                    <cite>
                                            <a href="space.php?action=viewpro&uid=2713715">美人鱼苗苗a>
                                        cite>
                                                                                                    <em class="ad_hong" >2018-4-24em> 
                                    td>
                <td class="nums"><strong>267strong><em>4911em>td>
                <td class="lastpost">
                    <cite><a href="space.php?action=viewpro&username=%D6%F1%D4%B0%C7%E5">竹园清a>cite>
                                                              <em><a href="redirect.php?tid=8349137&goto=lastpost#lastpost"><font class="ad_hong">今天 20:33font>a>em>
                                    td>
            tr>
        tbody>

注意上面代码中加粗加下划线的三个部分，它们是：

thread-8349137-1-1.html
2018年4月25日实时看盘交流
14

这三个量分别对应了帖子的地址，标题和共多少页，如果要用cheerio取到它们该如何呢，请见代码：

            var buffer = Buffer.concat(html);

            var body = iconv.decode(buffer,'gb2312');
            var $ = cheerio.load(body);     // 这个$是整个网页的dom      

            $("tbody").each(function(index,element){ // 先找到tody节点
                var $tbody=cheerio.load($(element).html());

                var topic={};
                topic.pageCount=1;
                topic.url=null;
                topic.title=null;

                $tbody(".forumdisplay a").each(function(index,element){     // 再找tbody节点里的class=forumdisplay里面的链接           
                    var topicUrl='http://www.55188.com/'+$tbody(element).attr("href"); // 得到链接的属性（第一项）
                    var topicTitle=$tbody(element).text();// 得到链接的文字（第二项）

                    topic.url=topicUrl
                    topic.title=topicTitle;                        
                })

                $tbody(".threadpages").each(function(index,element){  // 再找tbody节点里的class=threadpages节点
                    topic.pageCount=$tbody(element).children().last().text();// 找到最后一个子节点的文字（第三项）
                })
                
                if(topic.url!=null && topic.title!=null){
                    topics.push(topic);    // 加入数组
                }
            })

这样就找到了需要的三个值。