Cheerio 如何加载 HTML 内容？有哪些加载方式？ - 面试题

Cheerio 提供了多种加载 HTML 内容的方法，适用于不同的使用场景：

1. 从 HTML 字符串加载

最常用的方法，直接传入 HTML 字符串：

javascript
const cheerio = require('cheerio');
const $ = cheerio.load('<div class="content"><p>Hello</p></div>');

2. 从文件加载

读取 HTML 文件后加载：

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

const html = fs.readFileSync('index.html', 'utf8');
const $ = cheerio.load(html);

3. 使用配置选项加载

cheerio.load() 方法接受第二个参数作为配置选项：

javascript
const $ = cheerio.load(html, {
  // 是否识别 XML 模式
  xmlMode: false,
  
  // 是否解码 HTML 实体
  decodeEntities: true,
  
  // 是否包含空白节点
  withDomLvl1: false,
  
  // 自�认函数处理 XML 标签
  normalizeWhitespace: false,
  
  // 使用 htmlparser2 的选项
  xml: {
    xmlMode: false,
    decodeEntities: true
  }
});

4. XML 模式加载

处理 XML 文档时启用 XML 模式：

javascript
const xml = '<root><item>Value</item></root>';
const $ = cheerio.load(xml, { xmlMode: true });

5. 流式处理（结合其他库）

对于大文件，可以使用流式读取：

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

const stream = fs.createReadStream('large.html');
let html = '';

stream.on('data', chunk => {
  html += chunk;
});

stream.on('end', () => {
  const $ = cheerio.load(html);
  // 处理 DOM
});

最佳实践

对于小到中等大小的 HTML，直接使用 cheerio.load()
对于大文件，考虑分块处理或使用专门的流式解析器
XML 文档务必设置 xmlMode: true
根据需求调整 decodeEntities 选项