javascript - 用 cheerio 抓取文本

Question

我试图从这个 html 中抓取 Jung Ho Kang 和 5 并将其放入一个对象中。我想排除 (R) 和 SS 中的所有内容。

<td id="lineup-table-top">
  <b class="text-muted pad-left-10">5</b>
  &nbsp;&nbsp;&nbsp;Jung Ho Kang 
  <small class="text-muted">(R)</small> 
  <small class="text-muted">SS</small>
</td>

这是我的代码:

var someObjArr = [];

$('td#lineup-table-top').each(function(i, element){

    //Get the text from cheerio.
    var text = $(this).text();

    //if undefined, create the object inside of our array.
    if(someObjArr[i] == undefined){

        someObjArr[i] = {};
    };

    //Update the salary property of our object with the text value.
    someObjArr[i].name = text;

    $('b.pad-left-10').each(function(i, element){

        //Get the text from cheerio.
        var text = $(this).text();

        //if undefined, create the object inside of our array.
        if(someObjArr[i] == undefined){

            someObjArr[i] = {};
        };

        //Update the name property of our object with the text value.
        someObjArr[i].batting = text;
    });
});

代码的确切输出如下:

{ batting: '5',
  name: '5   Jung Ho Kang (R) SS 3B' }
{ name: '5   Jung Ho Kang (R) SS' },

预期输出:

{ batting: '5',
  name: 'Jung Ho Kang' }

我不知道为什么它似乎循环了两次，而且我无法弄清楚如何在没有与之关联的类/ID 的情况下仅隔离名称。

任何方向都受到热烈的赞赏。

Answer 1

看起来您只想抓取标记中的文本 Node 。

https://github.com/cheeriojs/cheerio/issues/359

我不确定 nodeType 是否受支持，但您应该先尝试使用它。 ( nodeType docs )

$('td#lineup-table-top').contents().each(function(i, element){
    someObjArr[i] = someObjArr[i] || {};

    // The first element in #linup-table-top is batting stats
    if ( i === 0 && $(element).hasClass('pad-left-10') ) {
        someObjArr[i].name = $(element).text().trim();
    }

    // The raw text inside of #lineup-table-top the player name
    if ( element.nodeType === 3 ) {

        someObjArr[i].name = $(element).toString().trim();
    }
});

如果不支持，您可以退回到使用element.type

if ( element.type === 'text' ) {
    someObjArr[i] = someObjArr[i] || {};
    someObjArr[i].name = $(element).toString().trim();
}

我过去使用它来仅抓取整个标记页面中的文本。

// For each DOM element in the page
$('*').each(function(i, element) {
    // Scrape only the text nodes
    $(element).contents().each(function(i, element) {
        if (element.type === 'text') {

        }
    });
});