Cheeriojs 解析问题：找不到 <a> 标签？答案

【问题标题】：cheeriojs parsing issue : cannot find <a> tag?Cheeriojs 解析问题：找不到 <a> 标签？
【发布时间】：2017-06-07 16:52:43
【问题描述】：

背景

我在 NodeJs 应用程序中使用 cheeriojs 解析 HTML 页面。目标是从该页面获取一系列链接。

问题

该库运行良好，但我对一组特定的标签（两个<a> 标签）有疑问，cheerio 无法识别我的挚爱！

<a href="/wiki/Orokin_Void" title="Orokin Void" class="mw-redirect">Orokin Void</a> <a href="/wiki/Storage_Containers" title="Storage Containers" class="mw-redirect">Containers</a>

我检查并仔细检查了标签的结构是否理想

因此，根据文档，以下代码将打印2：

let htmlSource = '<a href="/wiki/Orokin_Void" title="Orokin Void" class="mw-redirect">Orokin Void</a> <a href="/wiki/Storage_Containers" title="Storage Containers" class="mw-redirect">Containers</a>';
let cheerioStuff = $(htmlSource).find("a").length;
console.print(cheerioStuff);

相反，它打印0。这令人着迷，至少对我而言。另一个字符串Corpus T3 <a href="/wiki/Defense" title="Defense">Defense</a> Reward 似乎也出现了同样的问题。

但是，它适用于以下一个：

<div class="pi-data-value pi-font"><a href="/wiki/Orokin_Vault" title="Orokin Vault" class="mw-redirect">Orokin Vault</a></div>

或者这个：

<a href="/wiki/Lynx_Osprey" title="Lynx Osprey">Lynx Osprey</a>

问题

此时可能::

我的 HTML 源代码中有一些特殊的不可见的邪恶字符，这是 Cheerio 不喜欢的。
cheerio 只会在其他标签中找到<a> 标签，或者如果它们单独存在。

我已经测试了第一个选项，但结果没有改变。所以现在我倾向于认为问题是第二种选择，我发现它非常有限。

它也可以是两者的结合，在这种情况下，我被彻底搞砸了。

我怎样才能做到这一点？有什么建议？

【问题讨论】：

另一种可能性：如果这段 HTML 没有根标签，它将无法工作。例如，您是否尝试将这些包装在
中？

标签： javascript html node.js cheerio

【解决方案1】：

find 查找当前集合中元素的后代，但您的a 元素不是后代，它们是当前集合（例如，顶层）。你会想要filter:

let cheerioStuff = $(htmlSource).filter("a").length;

...如果您想同时覆盖这两个基础，也可以是 filter 和 find 的组合：

let elements = $(htmlSource);
let cheerioStuff = elements.find("a").add(elements.filter("a")).length;

例如，这会输出2:

"use strict";
let $ = require('cheerio');

let htmlSource = '<a href="/wiki/Orokin_Void" title="Orokin Void" class="mw-redirect">Orokin Void</a> <a href="/wiki/Storage_Containers" title="Storage Containers" class="mw-redirect">Containers</a>';
let elements = $(htmlSource);
let cheerioStuff = elements.find("a").add(elements.filter("a")).length;
console.log(cheerioStuff);

...而这个：

"use strict";
let $ = require('cheerio');

let htmlSource = '<div><a href="/wiki/Orokin_Void" title="Orokin Void" class="mw-redirect">Orokin Void</a></div> <a href="/wiki/Orokin_Void" title="Orokin Void" class="mw-redirect">Orokin Void</a> <a href="/wiki/Storage_Containers" title="Storage Containers" class="mw-redirect">Containers</a>';
let elements = $(htmlSource);
console.log("find: " + elements.find("a").length);
console.log("filter " + elements.filter("a").length);
console.log("combined: " + elements.find("a").add(elements.filter("a")).length);

...输出：

找到：1 过滤器 2 合计：3

...因为我在div 中添加了一个。

【讨论】：