如何从 Apify Cheerio 爬虫中获取整个 html？

Question

我想获取整个 html 而不仅仅是文本。

Apify.main(async () => {


const requestQueue = await Apify.openRequestQueue();
await requestQueue.addRequest({ 
    url: //adress,
    uniqueKey: makeid(100)

});

const handlePageFunction = async ({ request, $ }) => {
    var content_to = $('.class')

    
};

// Set up the crawler, passing a single options object as an argument.
const crawler = new Apify.CheerioCrawler({
    requestQueue,
    handlePageFunction,
});

await crawler.run();

});

当我尝试这个爬虫 returns 复杂对象时。我知道我可以使用 .text() 从 content_to 变量中提取文本，但我需要整个 html 带有像 .我该怎么办？

Answer 1

如果我没理解错的话 - 你可以使用 .html() 而不是 .text()。这样您将获得内部 html 而不是元素的内部文本。

另一件事要提 - 你也可以把 body 到 handlePageFunction arg 对象： const handlePageFunction = async ({ request, body, $ }) => {

body 将拥有页面的整个原始 html。

如何从 Apify Cheerio 爬虫中获取整个 html？

How do I get whole html from Apify Cheerio crawler?

javascript

web-crawler

web-scraping

apify