javascript - Nodejs打印两次

Question

在这里，我试图从社交媒体网站中提取特定的详细信息，但不幸的是结果或提取的信息打印了两次。所以请给我一个解决办法来解决这个问题。

var http = require('http');

var options = {
    host: 'www.quora.com',
    path: '/directory/'
};

callback = function (response) {
    var str = ''
    response.on('data', function (chunk) {
        str += chunk;
    });

    response.on('end', function () {

        var match = str.match(/People(.*?)\/div>/);
        var match1 = match.toString().match(/<a href="\/directory\/page\/(.*?)">(.*?)<\/a>/g);

        for (var index = 0; index < match1.length; index++) {
            console.log(match1[index]);
        }
    });
}

var req = http.request(options, callback);
req.end();

Answer 1

JS中匹配的结果是一个数组，其中

• 第一个索引是匹配字符串
• 下一个索引是捕获组。

您的控制台中应该有类似的内容。

<a href="/directory/page/something">
something

查看官方documentation

The returned array has the matched text as the first item, and then one item for each capturing parenthesis that matched containing the text that was captured.

--- 编辑 ---

抱歉造成误解，我建议您使用控制台输出编辑您的问题。我查看了您正在爬行的页面 Quora ，我认为问题的根源在于第一个正则表达式。

您想要选择人员列表，但您的正则表达式会获取页面最后一个结束 div 标记之前的所有文本。

使用chrome或FF，打开页面，打开开发控制台，自己尝试一下:

$('body')[0].innerHTML.match('People(.*)\/div>');

要进行这样的选择，我建议使用 Cheerio 。这是一个非常轻量级的 HTML 解析器，提供基本的 jQuery 功能。它将允许您选择所需的 div，而无需使用正则表达式:

var cheerio = require('cheerio');

...

response.on('end', function () {
   $ = cheerio.load(str);
   var links = $('.letters').first().find('[href]');
   for (var i = 0; i < links.length; i++) {
     console.log($(links[i]).attr('href'));
   }
}