Node.js 中的 HTML 解析：最佳库与工具概览

在 JavaScript (Node.js) 中解析 HTML：处理网页的工具选择

HTML 解析是开发网络爬虫、内容分析器和自动化测试时的关键任务之一。在 Node.js 生态系统中，存在几个强大的库，每个都有其独特的优势。在本文中，我们将介绍三种主要工具：cheerio、jsdom 和 htmlparser2，并分析何时以及哪种工具最适合使用。

1. Cheerio —— 服务端的 jQuery

cheerio 库是 Node.js 中解析 HTML 最流行的选择。它提供了熟悉的 jQuery 风格语法，用于导航和操作 DOM 树。Cheerio 不会创建完整的浏览器 DOM，而是使用轻量级的抽象，这使得它非常快速。

主要功能：

• 支持 CSS 选择器（如同 jQuery）
• 快速解析，无需执行 JavaScript
• 不可变方法（不修改原始 HTML）
• 处理属性、文本和 HTML 结构

使用示例：

const cheerio = require('cheerio');const html = '<div class="content"><h1>你好，世界！</h1><p>文章文本</p></div>';

const $ = cheerio.load(html);const title = $('h1').text();const paragraphs = $('p').map((i, el) => $(el).text()).get();

console.log(title); // "你好，世界！"console.log(paragraphs); // ["文章文本"]

2. JSDOM —— Node.js 中的完整浏览器

如果您不仅需要解析静态 HTML，还需要执行 JavaScript 脚本、模拟事件或使用现代 API（例如 fetch、localStorage），那么 jsdom 就是您的选择。它创建了一个完整的浏览器环境，提供了最大的兼容性，但需要更多资源。

何时使用 jsdom：

• 动态内容的网站（基于 React/Vue 的 SPA）
• 需要执行页面脚本
• 测试 Web 组件
• 处理事件和异步操作

解析示例：

const { JSDOM } = require('jsdom');const html = '<html><body><div id="app">内容</div></body></html>';

const dom = new JSDOM(html);const document = dom.window.document;const content = document.getElementById('app').textContent;

console.log(content); // "内容"

3. Htmlparser2 —— 极致性能

htmlparser2 库是一个基于事件驱动的底层解析器（类似 SAX 方式）。它不创建 DOM 树，而是在遇到每个标签、属性或文本节点时生成事件。这使其成为 Node.js 中最快的解析器。

特点：

• 流式处理（可以解析 GB 级别的文件）
• 内存占用极小
• 支持 XML 和 HTML
• 没有内置的导航方法（需要自行编写逻辑）

使用示例：

const htmlparser2 = require('htmlparser2');const html = '<div class="item">商品 1</div><div class="item">商品 2</div>';

const items = [];const parser = new htmlparser2.Parser({    onopentag(name, attribs) {        if (name === 'div' && attribs.class === 'item') {            this.currentItem = '';        }    },    ontext(text) {        if (this.currentItem !== undefined) {            this.currentItem += text;        }    },    onclosetag(name) {        if (name === 'div' && this.currentItem !== undefined) {            items.push(this.currentItem.trim()