Cheerio 从 .text() 获取内容，包括 breaks 和 H 标签

Question

有没有办法使用包含一些 html 标签的 Cheerio 从 html 输出文本？我知道 .html() 输出完整的 html，但我只想要使用 .text() 但包含所有 H 标记和中断的文本？

示例：

<div class="className"><h1>Something here</h1></br><p>Next line text</p></div>

应该输出：

<h1>Something here</h1></br>Next line text

编码我现在拥有的：

const $ = await fetchHTML(thisEntry.link);
const content = $(`div[class='${feedDiv}']`).text()

只输出 div 的文本，没有任何 alinea 中断或 H1 标签。 .text() 默认也输出 <img> 标签。

更新我正在尝试执行评论中讨论的修剪功能，但仍然无法正常工作...我是否忽略了什么？

async function fetchHTML(url) {
    const { data } = await axios.get(url);
    return cheerio.load(data, { decodeEntities: false });
}

async function createFeed(feedConfig, entries) {
const $ = await fetchHTML(thisEntry.link);

        $(function () {
            function clean(o, h) {
                var results = '';
                if (h == undefined) {
                    results = o.text().trim();
                } else {
                    $(o)
                        .children()
                        .each(function (i, el) {
                            if (h.indexOf($(el).prop('nodeName').toLowerCase()) >= 0) {
                                console.log('Found', $(el).prop('nodeName'));
                                results += $(el).prop('outerHTML');
                            } else {
                                console.log($(el).text().trim());
                                results += $(el).text().trim();
                            }
                        });
                }
                return results;
            }

            $(".className").html(clean($(".className"), ["h1", "br"]));
        });

console.log($.text().trim());
}

控制台什么都不输出

Answer 1

您可以制作自己的 Trim 样式函数。输入要保留的对象和元素。

示例：

$(function() {
  function clean(o, h) {
    var results = "";
    if (h == undefined) {
      results = o.text().trim();
    } else {
      $(o).children().each(function(i, el) {
        if (h.indexOf($(el).prop("nodeName").toLowerCase()) >= 0) {
          console.log("Found", $(el).prop("nodeName"));
          results += $(el).prop("outerHTML");
        } else {
          console.log($(el).text().trim());
          results += $(el).text().trim();
        }
      });
    }
    return results;
  }

  $(".className").html(clean($(".className"), ["h1", "br"]));
});

<script src="https://cdnjs.cloudflare.com/ajax/libs/jquery/3.3.1/jquery.min.js"></script>
<div class="className">
  <h1>Something here</h1>
  </br>
  <p>Next line text</p>
</div>

这里有一个陷阱，如果有原始文本，它也可能会被剥离。

Cheerio 从 .text() 获取内容，包括 breaks 和 H 标签

Cheerio get content including the breaks and H tags from .text()

javascript

jquery

node.js

web-scraping

cheerio