乐闻世界logo
搜索文章和话题

How do get script content using cheerio

Cheerio
4 个月前提问
3 个月前修改
浏览次数18次

1个答案

1

Cheerio 是一个快速、灵活且精简的 jQuery 核心实现，专为服务器而设计。它在 Node.js 环境中解析和操作 HTML，非常适合用于 Web 爬虫或服务器端页面处理。在这里，我将详细说明如何使用 Cheerio 获取 HTML 文档中的 <script> 标签内容。

1. 安装 Cheerio：

首先，确保你已经在你的 Node.js 项目中安装了 Cheerio。如果还没有安装，可以通过 npm 来安装：

bash
npm install cheerio

2. 加载 HTML 内容：

你可以使用 Node.js 的 fs 模块读取本地的 HTML 文件，或者使用像 axios 这样的 HTTP 客户端库来获取网页内容。这里我将展示一个使用 axios 获取在线HTML的例子：

javascript
const axios = require('axios');
const cheerio = require('cheerio');

async function fetchHTML(url) {
    const { data } = await axios.get(url);
    return data;
}

3. 使用 Cheerio 提取 <script> 标签内容：

获取到 HTML 后，我们使用 Cheerio 来加载这段 HTML，然后提取所有 <script> 标签：

javascript
async function extractScripts(url) {
    const html = await fetchHTML(url);
    const $ = cheerio.load(html);

    $('script').each((i, elem) => {
        console.log($(elem).html());
    });
}

在这个函数中，$('script') 选择所有的 <script> 标签，each 方法遍历这些标签，并使用 $(elem).html() 获取每个 <script> 标签内的 JavaScript 代码。

4. 调用函数：

最后，你只需要调用 extractScripts 函数并提供一个 URL：

javascript
extractScripts('https://example.com');

示例说明：

假设我们是从一个简单的 HTML 页面中提取脚本，HTML 页面内容如下：

html
<!DOCTYPE html>
<html>
<head>
    <title>示例页面</title>
</head>
<body>
    <h1>欢迎来到示例页面</h1>
    <script>
        console.log('这是内联 JavaScript 代码');
    </script>
    <script src="example.js"></script>
</body>
</html>

在这个例子中，extractScripts 函数会打印出 console.log('这是内联 JavaScript 代码'); 和空字符串，因为第二个 <script> 标签是外部 JS 文件的引用，没有内联代码。

通过这种方式，Cheerio 能够帮助开发者从网页中高效地提取和处理 <script> 标签内容，使其对于开发 Web 爬虫等应用特别有用。

2024年8月10日 01:08 回复

你的答案