html - 在 Node.js 中使用 XPath 解析 HTML/XML

Question

我正在尝试编写一个 XPath 语句来获取表中每行的内容，但前提是每行的第二列未设置为“TBA”。我正在处理的页面 this page 。我刚开始使用 XPath。

我提出了以下语句，我已成功使用在线 XPath 测试器测试了该语句(或者看起来是成功的)，但无法弄清楚如何在 Node.js 中应用它:

//*[@id="body_column_left"]/div[4]/table/tbody/tr/[not(contains(./td[2], 'TBA'))]

这是我在下面的尝试，我尝试了各种变体，但我什至无法将其验证为有效的 XPath 语句，因此我迷失在不是很有帮助的堆栈跟踪中:

var fs = require('fs');
var xpath = require('xpath');
var parse5 = require('parse5');
var xmlser = require('xmlserializer');
var dom = require('xmldom').DOMParser;
var request = require('request');

var getHTML = function (url, callback) {
    request(url, function (error, response, body) {
        if (!error && response.statusCode == 200) {
            return callback(body) // return the HTML
        }
    })
}

getHTML("http://au.cybergamer.com/pc/csgo/ladder/scheduled/", function (html) {
    var parser = new parse5.Parser();
    var document = parser.parse(html.toString());
    var xhtml = xmlser.serializeToString(document);
    var doc = new dom().parseFromString(xhtml);
    var select = xpath.useNamespaces({"x": "http://www.w3.org/1999/xhtml"});    
    var nodes = select("//x:*[@id=\"body_column_left\"]/div[4]/table/tbody/tr/[not(contains(./td[2], 'TBA'))]", doc);
    console.log(nodes);    
});

如有任何帮助，我们将不胜感激!

Answer 1

我最终使用 cheerio 而不是 xpath 解决了这个问题:

见下文:

    var $ = cheerio.load(html);
    $('.s_grad br').replaceWith("\n");
    $('.s_grad thead').remove();
    $('.s_grad tr').each(function(i, elem) {
        rows[i] = $(this).text();
        rows[i] = rows[i].replace(/^\s*[\r\n]/gm, ""); // remove empty newlines
        matches.push(new match($(this).find('a').attr('href').substring(7).slice(0, -1))) // create matches
    });