Cheerio JavaScript (Node.js): 方法、示例、安装

什么是 Cheerio，为什么需要它？

\n\n

Cheerio 是一个快速、灵活且轻量级的库，用于在 Node.js 服务器端解析 HTML 和 XML。它为开发者提供了强大的类似 jQuery 的语法，用于导航、搜索和操作 DOM 树。如果您曾在浏览器中使用过 jQuery，那么 Cheerio 对您来说将是直观易懂的——Cheerio 实现了 jQuery 的一个子集，并针对服务器端使用进行了适配。

\n\n

Cheerio 的主要使用场景：

网页抓取 (Web Scraping)： 从网页中提取数据（价格、新闻标题、文章内容）。
测试： 在单元测试中检查 HTML 模板的结构，而无需真实的浏览器。
HTML 预处理： 在将 HTML 文档发送给客户端之前，对其进行清理、转换和提取部分内容。
解析 RSS/XML 源： 处理 XML 文档，尽管有更专业的 XML 工具。

\n\n

与完整的浏览器引擎（例如 Puppeteer 或 Playwright）不同，Cheerio 不会渲染 JavaScript，也不会加载 CSS、图像或外部资源。这使得它极其快速且节省内存。Cheerio 处理的是您通过 HTTP 请求（使用 axios、node-fetch 或内置的 http/https 模块）获得的现成 HTML 字符串。

\n\n

安装 Cheerio

\n\n

通过包管理器 npm（或 yarn）在 Node.js 项目中安装 Cheerio。在项目根目录打开终端并执行：

\n\n

npm install cheerio

\n\n

如果您使用 yarn：

\n\n

yarn add cheerio

\n\n

安装后，您可以将该库导入到您的代码中：

\n\n

const cheerio = require('cheerio');\n// 或用于 ES 模块：\n// import * as cheerio from 'cheerio';

\n\n

请注意：Cheerio 是一个用于 Node.js 的库，不适用于浏览器。如果您需要在客户端解析 HTML，最好使用原生的 DOMParser。

\n\n

快速入门：第一个示例

\n\n

让我们编写一个简单的脚本，加载一个 HTML 字符串，找到其中所有链接，并输出它们的文本和 href 属性。

\n\n

const cheerio = require('cheerio');\n\n// HTML 代码示例（通常您通过 HTTP 请求获取）\nconst html = `\n<html>\n<head><title>示例页面</title></head>\n<body>\n    <h1>欢迎！</h1>\n    <ul>\n        <li><a href="https://example.com">链接 1</a></li>\n        <li><a href="https://google.com">链接 2</a></li>\n        <li class="special"><a href="https://github.com">链接 3</a></li>\n    </ul>\n</body>\n</html>\n`;\n\n// 将 HTML 加载到 Cheerio 中\nconst $ = cheerio.load(html);\n\n// 找到所有 <a> 标签并遍历它们\n$('a').each((index, element) => {\n    const text = $(element).text();       // 标签内的文本\n    const href = $(element).attr('href'); // href 属性的值\n    console.log(`${index + 1}. ${text} - ${href}`);\n});\n\n// 结果：\n// 1. 链接 1 - https://example.com\n// 2. 链接 2 - https://google.com\n// 3. 链接 3 - https://github.com

\n\n

如您所见，语法与 jQuery 非常相似：我们使用 $() 函数来选择元素，然后使用 .text()、.attr()、.each() 等方法来操作它们。

\n\n