cheerio DOM化并解析的时候
1.假如使用了 .text()方法,则一般不会有html实体编码的问题出现
2.如果使用了 .html()方法,则很多情况下(多数是非英文的时候)都会出现,这时,可能就需要转义一番了
类似这些 因为需要作数据存储,所有需要转换
Халк крушит. Новый способ исполнен
大多数都是(x)?w+的格式
所以就用正则转换一番
var body = ....//这里就是请求后获得的返回数据,或者那些 .html()后获取的 //一般可以先转换为标准unicode格式(有需要就添加:当返回的数据呈现太多\u 之类的时) body=unescape(body.replace(/\u/g,"%u")); //再对实体符进行转义 //有x则表示是16进制,$1就是匹配是否有x ,$2就是匹配出的第二个括号捕获到的内容,将$2以对应进制表示转换 body = body.replace(/(x)?(w+);/g,function($,$1,$2){ return String.fromCharCode(parseInt($2,$1?16:10)); });
ok ~
当然了,网上也有很多个转换的版本,适用的就行了
后记:
当使用爬虫抓取网页数据时,cheerio模块是经常使用到底,它像jq那样方便快捷
(但有些功能并未支持或者换了某种形式,比如 jq的 jQuery('.myClass').prop('outerHTML') ,cheerio则等价于 jQuery.html('.myClass')http://www.mgenware.com/blog/?p=2514)