Node.js 之 cherrio

cheerio是jquery核心功能的一个快速灵活而又简洁的实现，主要是为了用在服务器端需要对DOM进行操作的地方

简介

cheerio是nodejs的抓取页面模块，为服务器特别定制的，快速、灵活、实施的jQuery核心实现。适合各种Web爬虫程序。

让你在服务器端和html愉快的玩耍

var cheerio = require('cheerio'), $ = cheerio.load('<h2 class = "title">Hello world</h2>'); $('h2.title').text('Hello there!'); $('h2').addClass('welcome'); $.html();

安装

npm install cheerio

特点

cheerio实现了jQuery的一个子集，去掉了jQuery中所有与DOM不一致或者是用来填浏览器的坑的东西，重现了jQuery最美妙的APIcheerio使用了及其简洁而又标准的DOM模型， 因此对文档的转换，操作，渲染都极其的高效。基本的端到端测试显示它的速度至少是JSDOM的8倍cheerio使用了@FB55编写的非常兼容的htmlparser2，因此它可以解析几乎所有的HTML和XML

cheerio并非万能，当你需要一个浏览器一样的环境时，你最好还是用JSDOM，尤其是你需要进行自动化的功能测试时

关于JSDOM

jsdom是一个纯粹由 javascript 实现的一系列 web标准，特别是 WHATWG 组织制定的DOM和 HTML 标准，用于在 nodejs 中使用。大体上来说，该项目的目标是模拟足够的Web浏览器子集，以便用于测试和挖掘真实世界的Web应用程序。

JSDOM的解析规则太过于严格：JSDOM的解析器无法处理现在许多的流行网站的内容JSDOM太慢了：解析大的网站甚至可以产生可察觉的延迟JSDOM太过于重量级：JSDOM的目标是提供与浏览器一样的DOM环境，但是我们往往不需要这样。我们需要的只是一种简单，熟悉的方式来操作我们的HTML

API

给定一段HTML

<ul id="fruits"> <li class="apple">Apple</li> <li class="orange">Orange</li> <li class="pear">Pear</li> </ul>

1. 解析html（load）

首先你需要先加载你的HTML。jQuery会自动完成这一步，因为jQuery操作的DOM是固定的。但是在使用cheerio时我们要手动加载我们的HTML文档

首选的方式如下：

var cheerio = require('cheerio'), $ = cheerio.load('<ul id = "fruits">...</ul>');

其次，直接把HTML字符串作为上下文也是可以的：

$ = require('cheerio'); $('ul', '<ul id = "fruits">...</ul>');

或者把HTML字符串作为root

$ = require('cheerio'); $('li', 'ul', '<ul id = "fruits">...</ul>');

如果你需要自定义一些解析选项，你可以多传递一个对象给load方法：

$ = cheerio.load('<ul id = "fruits">...</ul>', { ignoreWhitespace: true, xmlMode: true });

更多的解析选项可以参考domhandler和parser-options

2. 选择器（selectors）

cheerio的选择器几乎和jQuery一模一样，所以语法上十分相像

$( selector, [context], [root] )

selector在context的范围内搜索，context的范围又包含在root的范围内。selector和context可以是一个字符串，DOM元素，DOM数组或者cheerio实例。root一般是一个HTML文档字符串选择器是文档遍历和操作的起点。如同在jQuery中一样，它是选择元素节点最重要的方法，但是在jQuery中选择器建立在CSS选择器标准库上。cheerio的选择器实现了大部分的方法

$('.apple', '#fruits').text() //=> Apple $('ul .pear').attr('class') //=> pear $('li[class=orange]').html() //=> <li class = "orange">Orange</li>

3. 属性操作（atrributes）

用来获取和更改属性的方法：

.attr(name, value) 这个方法用来获取和设置属性。获取第一个符合匹配的元素的属性值。如果某个属性值被设置成null，那么该属性会被移除。你也可以把map和function作为参数传递进去，就像在jQuery中一样

$('ul').attr('id') //=> fruits $('.apple').attr('id', 'favorite').html() //=> <li class = "apple" id = "favorite">Apple</li>

更多信息请查看 http://api.jquery.com/attr/

.removeAtrr(name) 移除名为name的属性

$('.pear').removeAttr('class').html() //=> <li>Pear</li>

.hasClass(className) 检查元素是否含有此类名

$('.pear').hasClass('pear') //=> true $('apple').hasClass('fruit') //=> false $('li').hasClass('pear') //=> true

.addClass(className) 添加类名到所有的匹配元素，可以用函数作为参数

$('.pear').addClass('fruit').html() //=> <li class = "pear fruit">Pear</li> $('.apple').addClass('fruit red').html() //=> <li class = "apple fruit red">Apple</li>

参见 http://api.jquery.com/addClass/

.remoteClass([className]) 移除一个或者多个（空格分隔）的类名，如果className为空，则所有的类名都会被移除，可以传递函数作为参数

$('.pear').removeClass('pear').html() //=> <li class = "">Pear</li> $('.apple').addClass('red').removeClass().html() //=> <li class = "">Apple</li>

参见 http://api.jquery.com/removeClass/

遍历

.find(selector) 在当前元素集合中选择符合选择器规则的元素集合

$('#fruits').find('li').length //=> 3

.parent() 获取元素集合第一个元素的父元素

$('.pear').parent().attr('id') //=> fruits

.next() 选择当前元素的下一个兄弟元素

$('.apple').next().hasClass('orange') //=> true

**.prev()同.next()**相反

**.siblings()**获取元素集合中第一个元素的所有兄弟元素，不包含它自己

$('.pear').siblings().length //=> 2

.children( selector ) 选择指定的子元素

**.each( function(index, element) )**遍历函数返回false即可终止遍历

var fruits = []; $('li').each(function(i, elem) { fruits[i] = $(this).text(); }); fruits.join(', '); //=> Apple, Orange, Pear

.map( function(index, element) )

$('li').map(function(i, el) { // this === el return $(this).attr('class'); }).get().join(', '); //=> apple, orange, pear

.filter( selector )

$('li').filter('.orange').attr('class'); //=> orange

.filter( function(index) )

$('li').filter(function(i, el) { // this === el return $(this).attr('class') === 'orange'; }).attr('class') //=> orange

.first()

$('#fruits').children().first().text() //=> Apple

.last()

$('#fruits').children().last().text() //=> Pear

.eq( i )

缩小元素集合，可以用负数表示倒数第 i 个元素被保留

$('li').eq(0).text() //=> Apple $('li').eq(-1).text() //=> Pear

操作DOM

操作DOM结构的方法

.append( content, [content, …] ) .prepend( content, [content, …] ) .after( content, [content, …] )

$('.apple').after('<li class = "plum">Plum</li>') $.html() //=> <ul id = "fruits"> // <li class = "apple">Apple</li> // <li class = "plum">Plum</li> // <li class = "orange">Orange</li> // <li class = "pear">Pear</li> // </ul>

.before( content, [content, …] )

$('.apple').before('<li class = "plum">Plum</li>') $.html() //=> <ul id = "fruits"> // <li class = "plum">Plum</li> // <li class = "apple">Apple</li> // <li class = "orange">Orange</li> // <li class = "pear">Pear</li> // </ul>

.remove( [selector] )

$('.pear').remove() $.html() //=> <ul id = "fruits"> // <li class = "apple">Apple</li> // <li class = "orange">Orange</li> // </ul>

.replaceWith( content )

var plum = $('<li class = "plum">Plum</li>') $('.pear').replaceWith(plum) $.html() //=> <ul id = "fruits"> // <li class = "apple">Apple</li> // <li class = "orange">Orange</li> // <li class = "plum">Plum</li> // </ul>

.empty()

$('ul').empty() $.html() //=> <ul id = "fruits"></ul>

.html( [htmlString] )

$('.orange').html() //=> Orange $('#fruits').html('<li class = "mango">Mango</li>').html() //=> <li class="mango">Mango</li>

.text( [textString] )

$('.orange').text() //=> Orange $('ul').text() //=> Apple // Orange // Pear

解析和渲染

$.html() //=> <ul id = "fruits"> // <li class = "apple">Apple</li> // <li class = "orange">Orange</li> // <li class = "pear">Pear</li> // </ul>

输出包含自己在内的HTML（outer HTML）

$.html('.pear') //=> <li class = "pear">Pear</li>

常用工具

$.root()

$.root().append('<ul id="vegetables"></ul>').html(); //=> <ul id="fruits">...</ul><ul id="vegetables"></ul>

toArray()

$('li').toArray() //=> [ {...}, {...}, {...} ]

.clone()

var moreFruit = $('#fruits').clone()

关注公众号，获取更多内容：