如何使用Cheerio筛选含指定关键词aria-label的<a>标签？

安全阿岳

2026-8-24

我正在开发一款基于关键词（如"environment"、"climate"）抓取新闻网站数据的爬虫，但最近遇到一个网站，无法通过检查标签文本的方式筛选目标关键词。该网站的标签HTML结构如下：

<a aria-label="Ravaged by floods, Bangladesh pitches plan to adapt to climate impacts" class="card-with-image-zoom" href="https://en.prothomalo.com/environment/climate-change/ravaged-by-floods-bangladesh-pitches-plan-to-adapt-to-climate-impacts">

我此前使用Cheerio筛选关键词的代码如下：

const html = response.data;
const $ = cheerio.load(html);
const specificarticles = [];
$('a:contains("climate"),a:contains("environment")', HTML)

请问如何使用Cheerio检测该HTML结构中标签aria-label属性内的关键词？

解决方案

Cheerio支持通过属性选择器或filter()方法结合正则来筛选包含指定关键词的aria-label属性，以下是两种实用方案：

方案一：使用CSS属性包含选择器

直接用[aria-label*="关键词"]选择器匹配属性值包含指定子串的标签，写法简洁：

const html = response.data;
const $ = cheerio.load(html);
const specificarticles = [];

// 筛选aria-label包含"climate"或"environment"的<a>标签
const targetLinks = $('a[aria-label*="climate"], a[aria-label*="environment"]');

// 遍历结果提取数据
targetLinks.each((index, element) => {
  specificarticles.push({
    href: $(element).attr('href'),
    ariaLabel: $(element).attr('aria-label')
  });
});

方案二：使用`filter()`配合正则表达式

如果需要更灵活的匹配规则（比如忽略大小写、匹配完整单词），可以用正则配合filter()方法：

const html = response.data;
const $ = cheerio.load(html);
const specificarticles = [];

// 正则匹配，i标记表示忽略大小写
const keywordRegex = /climate|environment/i;

// 筛选符合条件的<a>标签
const targetLinks = $('a').filter((index, element) => {
  const ariaLabel = $(element).attr('aria-label');
  // 确保aria-label存在且匹配正则
  return ariaLabel && keywordRegex.test(ariaLabel);
});

// 提取所需数据
targetLinks.each((index, element) => {
  specificarticles.push({
    href: $(element).attr('href'),
    ariaLabel: $(element).attr('aria-label')
  });
});

内容的提问来源于stack exchange，提问作者Mohammad Mustak Absar Khan

如何使用Cheerio筛选含指定关键词aria-label的<a>标签？

解决方案 #

方案一：使用CSS属性包含选择器

方案二：使用filter()配合正则表达式

解决方案

方案二：使用`filter()`配合正则表达式