在 X 射线刮擦上去除了制动标签

Question

我是 JS 新手。我正在用 X 光刮 url。当按预期刮擦时，标签会被删除，但我希望   标签被替换为 ;

例如：如果我抓取像 'span#scraped-portion'

这样的东西

<span id="scraped-portion"><span class="bold>NodeJS</span><br>
    <span class="bold>Version:</span> 8<br><span class="bold>Date released:</span> 2017 Jan<br><span class="bold>Description:</span>Some other text
</span>

我会得到类似下面的结果

NodeJS /n Version: 8Date released: 2017 JanDescription: Some other text

  标签周围的文字被加在一起，很难理解什么是什么。所以我想用 ;.

之类的东西替换   标签

有可能还是我应该更好地使用其他库？

Answer 1

UPDATE

我找到了一个纯基于 X-Ray 的解决方案，无需在使用 X-Ray 之前替换 html 中的   标签（请参阅下面的原始解决方案）。

这样，您将使用 X-Ray 的 filter 函数，此外还将 X-Ray 函数相互嵌入（某种嵌套）。

首先，我们将使用为 X-Ray 定义的自定义过滤器函数（称为 replaceLineBreak）替换原始 html 中的   标签。其次，我们将使用替换结果重建原始 html 结构（通过重新添加 ）作为 X-Ray 调用的第一个参数。

希望你会喜欢！

    var x = Xray({
    filters: {
        replaceLineBreak: function (value) { return value.replace(/\<br\>/g, ';'); },
    }
});
var html =
`
    <span id="scraped-portion"><span class="bold">NodeJS</span><br>
        <span class="bold">Version:</span> 8<br><span class="bold">Date released:</span> 2017 Jan<br><span class="bold">Description:</span>Some other text
    </span>
`;

x(html,
    '#scraped-portion@html | replaceLineBreak' /// Filter function called to replace '<br>' to ';'
)(function (err, obj) {
    x(`<span id="scraped-portion">${obj}</span>`, /// Restore oroginal html structure to have the outer span with id 'scraped-portion
        '#scraped-portion'
    )(function (err2, obj2) { res.header("Content-Type", "text/html; charset=utf-8"); res.write(obj2); res.end(); })
    });

生成以下字符串：

NodeJS;   Version: 8;Date released: 2017 Jan;Description:Some other text

ORIGINAL SOLUTION

为什么不在通过 X-Ray 处理 html 代码之前替换所有出现的   标签？

function tst(req, res) {
var x = Xray();
var html =
`
    <span id="scraped-portion"><span class="bold">NodeJS</span><br>
        <span class="bold">Version:</span> 8<br><span class="bold">Date released:</span> 2017 Jan<br><span class="bold">Description:</span>Some other text
    </span>
`.replace(/\<br\>/g, ';');

x
    (
    html,
    ['span#scraped-portion']
    )(function (err, obj) { res.header("Content-Type", "text/html; charset=utf-8"); res.write(JSON.stringify(obj, null, 4)); res.end(); })
    ;
}

那么你的代码会产生这样的结果

NodeJS;\n Version: 8;Date released: 2017 Jan;Description:Some other text\n

这似乎很符合您的要求

在 X 射线刮擦上去除了制动标签

Brake tags removed on x-ray scrape

javascript

node.js

web-scraping

x-ray