如何从nodejs中的html标签解析获取文本？

Question

我在 nodejs 中有一个 html 作为文本，如下所示：

var htmlText = `<div class="X7NTVe">
        <a class="tHmfQe" href="/link1">
            <div class="am3QBf">
                <div>
                    <span>
                        <div class="BNeawe deIvCb AP7Wnd">
                            <span dir="rtl">My First Text</span>
                        </div>
                    </span>
                </div>
            </div>
        </a>
        <div class="HBTM6d XS7yGd">
            <a href="/anotherLink1">
                <div class="BNeawe mAdjQc uEec3 AP7Wnd">&gt;</div>
            </a>
        </div>
    </div>
    <div class="x54gtf"></div>
    <div class="X7NTVe">
        <a class="tHmfQe" href="/link2">
            <div class="am3QBf">
                <div>
                    <span>
                        <div class="BNeawe deIvCb AP7Wnd">
                            <span dir="rtl">My Second Text</span>
                        </div>
                    </span>
                </div>
            </div>
        </a>
        <div class="HBTM6d XS7yGd">
            <a href="/anotherLink2">
                <div class="BNeawe mAdjQc uEec3 AP7Wnd">&gt;</div>
            </a>
        </div>
    </div>
    <div class="x54gtf"></div>`

现在我想从它的数组中获取文本。在 abow 示例中，它必须返回 My First Text 和 My Second Text 。我该怎么做？

注意：我想在 javascript 中的 nodejs note 中做。

Answer 1

方法#1

用正则表达式/<[^>]*>/g替换所有标签。

方法#2

用jsdom解析html，通过js文档api访问html节点。

方法#2 更加灵活。

Answer 2

和cheerio：

let $ = cheerio.load(html)
let strings = $('div[class="BNeawe deIvCb AP7Wnd"]>span[dir]')
              .get().map(span => $(span).text())