用 Cheerio 刮擦答案

【问题标题】：Scraping with Cheerio用 Cheerio 刮擦
【发布时间】：2014-08-10 16:01:23
【问题描述】：

我正在编写一个爬虫来获取 psp iso 文件以根据评级下载。我很难针对每个评级。我怎样才能抓住这个元素？我已经包含了一个快照供参考。评级元素位于 tr td 标记内。

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

var url = 'http://goo.gl/cc4HRc',
  pspGames = [];

request(url, function (error, response, html) {
  if (!error && response.statusCode === 200) {
    var $ = cheerio.load(html);
    $('.gamelist', 'td').each(function () {
      var links = $(this).attr('href');
      pspGames.push(links);
    });
   }
});

【问题讨论】：

标签： jquery node.js web-scraping screen-scraping cheerio

【解决方案1】：

看链接，是这样的：

<tr>
  <td>
    <a class="index gamelist" title="Corpse Party - Book of Shadows (Japan) ISO Info and Download" href="/Sony_Playstation_Portable_ISOs/Corpse_Party_-_Book_of_Shadows_(Japan)/158702">Corpse Party - Book of Shadows (Japan)</a>
  </td>
  <td align="center">4.9504</td>
</tr>

你应该这样做：$('.gamelist').each(

【讨论】：

如果我的选择器正确，我有点担心。如何封装该评级 4.9504？这是一个属性吗？
$(this).parents('tr').find('td').last().html()
我永远不会得到那个。我正在阅读文档，但找不到与此案例类似的任何内容。为了将来参考，你是怎么想到的？顺便感谢您的帮助。另外，你为什么只定位gamelist而不是.gamelist, td。
jQuery :) 想想 DOM 树，父母，find，最后，都与你现在所处的位置有关。阅读 jQuery 选择器，下次会更容易。
上帝，我希望如此。下次我会让你骄傲的！哈哈

【解决方案2】：

我不确定您将如何存储评分，但也许这样的事情会有所帮助：

$('.gamelist').each(function () {
    var link = $(this.attr('href'));
    var rating = $(this).parent().siblings().first().text();
    pspGames.push({"link": link, "rating": rating});
});

【讨论】：

我常常不得不使用哈希，解析浮动并编写条件来检查它是否高于特定评级，然后附加。我需要阅读 parent()。做得很好！