如何在 Cheerio 中换行 p 标签？答案

【问题标题】：How can I line break p tag in Cheerio?如何在 Cheerio 中换行 p 标签？
【发布时间】：2022-01-02 11:51:41
【问题描述】：

我正在从网站上抓取一些段落，我遇到了这个问题，但我不知道如何解决它。

结构是这样的，例如：

<div class = "container">
   <p> This is a long paragraph 1. </p>
   <p> This is a long paragraph 2. </p>
   <p> This is a long paragraph 3. </p>
   <p> This is a long paragrahp 4. </p>
</div>

所以我做了这样的事情来获取我刚才提到的示例段落中的文本。

function scrapeData() {
    let data = []
    let url = `scraping-url`;
    axios(url)
    .then(response =>{
        const html = response.data
        const $ = cheerio.load(html, {xmlMode: true})

        $('.container', html).each(function(){
            const text = $(this).find('p').text()
            data.push({
              text
            })
            console.log(data)
        })

    }).catch(err => console.log(err))
}

但我得到的结果是{This is a long paragraph 1.This is a long paragraph 2.This is a long paragraph 3.This is a long paragraph 4.} 粘在一起，我想将这些段落分成每个文本块

我希望在我的 console.log(data) 中像这样

{
    This is a long paragraph 1.
    This is a long paragraph 2.
    This is a long paragraph 3.
    This is a long paragraph 4.
}

【问题讨论】：

标签： javascript jquery web-scraping cheerio

【解决方案1】：

调整选择器以匹配p 标签，然后遍历每个标签并构造您的数据。

试试这个：

   // select p tags in the container
    $('.container p', html).each(function(){
        const text = $(this).text();
        data.push({
          text
        });
    });

    console.log(data);

【讨论】：

不幸的是，它看起来像这样。 {text: 'This is paragraph 1.'} {text: 'This is paragraph 2.'} ... {text: 'This is paragraph 4'}。更具体地说，我在外面放了一个循环，用 each 函数像你所做的那样刮掉所有新闻 URL，然后我继续在 each 内使用 each 刮掉里面的新闻段落，所以如果它看起来像我在描述{text: 'info'} {text: 'info'}，我不知道它属于哪个新闻的哪个段落。
您说“我想将这些段落分成每个文本块”，而我提供的解决方案允许这样做。就像我说的，您需要构建数据以满足您的需求，并且您可以在循环中做到这一点。 JSON对象是一个键值数据容器，它不能有你想要的结构（{string}，但是{key:value}），使用Array：data.push(text)。如果您需要跟踪其他信息，请将其添加为属性：data.push({whatever:data, text:text}); 等。
谢谢，我明白你的意思，我会试试的。非常感谢您的指导！

【解决方案2】：

也许在后面加上换行符：

$('p').after("\n")

或者当你加入他们时：

$('p').get().map(p => $(p).text()).join("\n")

【讨论】：