javascript - 如何使用 cheerio 从网页中的换行符中抓取内容

Question

大家好。

我有 2 个关于使用 Cheerio 进行网络抓取的问题。我浏览了可能有我的答案的问题，但找不到能回答我问题的问题，所以我决定问一个问题。

背景信息:我只学习 Javascript 大约 2 到 3 个月，所以我可能会问一些非常有趣的问题，请原谅。

目标:我希望从以下站点抓取数据 - 并且

我想得到

• 自行车店名称
• 自行车店地址
• 自行车店电话

我已经设法抓取了我需要的数据，但是它们都集中在一个 html 组中(不确定这是否是调用它的方式。这是我使用的代码。

var request = require('request');
var cheerio = require('cheerio');

var url = 'http://www.togoparts.com/bikeshops/list_shops.php?country=MY';
request(url, function(err, resp, body) {
    if (err)
        throw err;
    $ = cheerio.load(body, {
        normalizeWhitespace: false
    });
    var doc = $("td[width='52%'].verdana1");
    doc.each(function() {
        var link = $(this);
        console.log(link.html());

   });
});

结果循环运行，我能够得到以下结果。我无法发布图片 - 我已将图片放在以下位置 link .

问题:如何单独获取数据？

我需要链接的标题，我试过 `var link = $(this).attr('href');'但不起作用。

我还需要换行符后的信息(自行车店地址)——我不知道如何获取它。

问题2:我尝试了以下 var doc = $("td[width='52%'] .verdana1"); - 注意 .verdana1 之前的空格 - 这只给我自行车店的标题我想要，这与 var doc = $("td[width='52%'].verdana1");

有何不同

如果我使用此 var doc = $("td[width='52%'] .verdana1"); - 我如何获取自行车商店地址的数据？

非常感谢您的阅读，我在农历新年期间一直在努力解决这个问题，这让我发疯:(。我期待着向你们学习。

布莱恩

Answer 1

如果是链接，您可以先在文档中找到它们，然后记录所有 href 属性:

var doc = $("td[width='52%'].verdana1");
links = doc.find('a');
links.each(function (i,elem) {
    console.log(elem.attribs.href);
})

这将记录 href 属性的所有值。

当谈到地址时，它就更复杂了，因为它们在 DOM 中没有语义区分，它们也是表格单元格的子元素，所以你需要嵌套循环，但你可以通过查找文本类型的元素来访问它们。

doc.each(function (i,elem) {
    # elem here is table cell
    elem.children.forEach(function (child,i) {
       # now all children of table cell (i.e links,spans,divs and just text)
       if (child.type == "text") {
            console.log(child.data);
       }
    })
});

希望对您有所帮助。