Node.js上的HTML解析器

在nodejs上有像Ruby的nokogiri这样的东西吗？我的意思是用户友好的HTML解析器。

我在Node.js模块页面上看到了一些解析器，但是找不到漂亮又新鲜的东西。

如果要构建DOM，则可以使用jsdom。

还有cheerio，它具有jQuery接口，并且比旧版本的jsdom快很多，尽管如今它们的性能相似。

您可能想看一下htmlparser2，它是一个流解析器，根据它的基准，它似乎比其他解析器快，并且默认情况下没有DOM。它也可以生成DOM，因为它还与创建DOM的处理程序捆绑在一起。这是cheerio使用的解析器。

parse5看起来也不错。它相当活跃（自本次更新以来的最后一次提交以来，是11天），符合WHATWG，并且在jsdom，Angular和Polymer中使用。

如果要解析HTML以进行Web抓取，则可以使用YQL ¹。有一个节点模块。如果您的HTML来自静态网站，我认为YQL是最好的解决方案，因为您依赖的是服务而不是代码和处理能力。尽管请注意，如果网站的robot.txt禁止该页面，则该按钮将无法使用，但YQL不能使用该页面。

如果您要抓取的网站是动态的，那么您应该使用无头浏览器，例如phantomjs。也看看casperjs，如果你正在考虑phantomjs。您可以使用SpookyJS从node控制casperjs。

在phantomjs旁边有zombiejs。与无法嵌入到nodejs中的phantomjs不同，zombiejs只是一个节点模块。

后一种解决方案有nettuts + turtural。

¹自2014年8月以来，YQL必需的YUI库不再得到积极维护，来源

尝试https://github.com/tmpvar/jsdom-您给它一些HTML，它给您一个DOM。

您也可以看一下X射线：https：//github.com/lapwinglabs/x-ray