我正试图用cheerio获取url的标题标签。但是，我得到了空字符串值。这是我的代码：
app.get('/scrape', function(req, res){
url = 'http://nrabinowitz.github.io/pjscrape/';
request(url, function(error, response, html){
if(!error){
var $ = cheerio.load(html);
var title, release, rating;
var json = { title : "", release : "", rating : ""};
$('title').filter(function(){
//var data = $(this);
var data = $(this);
title = data.children().first().text();
release = data.children().last().children().text();
json.title = title;
json.release = release;
})
$('.star-box-giga-star').filter(function(){
var data = $(this);
rating = data.text();
json.rating = rating;
})
}
fs.writeFile('output.json', JSON.stringify(json, null, 4), function(err){
console.log('File successfully written! - Check your project directory for the output.json file');
})
// Finally, we'll just send out a message to the browser reminding you that this app does not have a UI.
res.send('Check your console!')
})
});
request(url, function (error, response, body)
{
if (!error && response.statusCode == 200)
{
var $ = cheerio.load(body);
var title = $("title").text();
}
})
使用Javascript，我们提取"title"标记中包含的文本。
如果Robert Ryan的解决方案仍然不起作用，我会怀疑原始页面的格式，它可能会以某种方式格式错误。
在我的例子中，我接受了gzip和其他压缩，但从未解码，所以Cheerio试图解析压缩的二进制位。当控制台记录原始正文时，我能够发现二进制文本而不是纯文本HTML。