Node.js中如何匹配对应div闭合标签并提取指定内容？

问题说明 #

现有HTML代码：

<div class="body">
 <h1>ddd</h1>
 <p>dadfsaf</p>
 <div id="name">
  <div class="des">psd</div>
  <div>www</div>
 </div>
 <div>ppp</div>
</div>

需要提取id="name"的div标签内部的内容，目标结果为：

<div class="des">psd</div>
<div>www</div>

尝试用正则表达式<div id="name">.*</div>无法实现需求，求可行解决方法。

为什么正则不行 #

正则天生不适合处理HTML这类嵌套结构的文档：

• 默认情况下.不会匹配换行符，就算开启多行模式，也会匹配到第一个</div>就终止，没法识别嵌套标签的闭合关系。
• HTML格式灵活（比如空格、换行、属性顺序变化），正则很难覆盖所有场景，后续维护成本极高。

推荐解决方案：用HTML解析库Cheerio #

Node.js里最方便的方式是用Cheerio（轻量版jQuery核心）来解析操作HTML，步骤如下：

1. 安装Cheerio #

npm install cheerio

2. 编写代码 #

const cheerio = require('cheerio');

const html = `
<div class="body">
 <h1>ddd</h1>
 <p>dadfsaf</p>
 <div id="name">
  <div class="des">psd</div>
  <div>www</div>
 </div>
 <div>ppp</div>
</div>
`;

// 加载HTML内容
const $ = cheerio.load(html);

// 提取目标div的内部内容并去除首尾空白
const targetContent = $('#name').html().trim();

console.log(targetContent);

运行结果 #

控制台输出就是你要的目标内容：

<div class="des">psd</div>
<div>www</div>

备选方案：用原生DOM解析（jsdom） #

如果不想依赖第三方库，可以用Node.js的jsdom模块模拟浏览器DOM环境：

1. 安装jsdom #

npm install jsdom

2. 编写代码 #

const { JSDOM } = require('jsdom');

const html = `
<div class="body">
 <h1>ddd</h1>
 <p>dadfsaf</p>
 <div id="name">
  <div class="des">psd</div>
  <div>www</div>
 </div>
 <div>ppp</div>
</div>
`;

// 创建DOM环境
const dom = new JSDOM(html);
const document = dom.window.document;

// 获取目标元素并提取内部内容
const nameDiv = document.getElementById('name');
const targetContent = nameDiv.innerHTML.trim();

console.log(targetContent);

内容的提问来源于stack exchange，提问作者Bin