jquery - Cheerio 未选择 HTML 字符串中存在的某些元素

Question

我正在尝试抓取一个网站，但遇到了一个问题，使用 Request JS，我得到了一个要传递给 Cheerio 的 HTML 字符串。

令人困惑的部分是，我试图抓取的 HTML 字符串中确实存在某些部分，但是当我使用 Cheerio 尝试抓取它们时，它找不到它，尽管它在那里......

例如，在另一个表的最后一行中有一个带有 ID 的表，我希望通过使用该 ID 作为选择器，我能够获取所有子 TR，但是什么我得到的是第一个 TR，然后是另一个包含一个 TD 的 TR，然后突然关闭第二个 TR，然后是表的关闭标记。

在将 HTML 字符串发送到 Cheerio.load 之前，从 console.logging 中，我可以看到第二个 TR 中显然有更多信息，在该表关闭之前后面还有多个其他 TR。但是当我通过 Cheerio 运行它时，它告诉我的并不是这个。

现在看看它的其余部分(尽管不知道这是否重要......)我注意到其中有 href="javascript:void(0)" -- 这样的事情会让 Cheerio 失望吗？

感谢您的帮助。

经过进一步调查，如果我使用诸如 'td:contains("this text")' 这样的选择器，则会显示此内容。但据我所知，没有其他方式。

此外，javascript:void(0) 并不是导致问题的原因，我使用正则表达式删除了它的所有实例，但仍然有谜团。

Answer 1

事实证明，代码编写时存在错误，可能是为了阻止抓取。有一个标签<font>已关闭 </div> ，这在某种程度上破坏了cheerio的解析能力。

html = html.replace(/[<]font size[=]["]1["][>]\d[<]\/div[>]/g, ""));