如何使用Cheerio（Node.js）逐个抓取指定HTML内容？

嘿，这事儿不难，我给你捋清楚步骤，直接上干货：

第一步：准备依赖 #

首先确保你已经在Node.js项目里装了Cheerio（解析HTML用）和axios（用来获取页面内容，如果是本地HTML文件的话可以换成fs模块），执行下面的命令安装：

npm install cheerio axios

第二步：编写抓取代码 #

假设你已经拿到了目标HTML内容（不管是通过axios请求远程页面，还是本地读取的），可以这样写代码逐个抓取每个genreitem里的链接和文本：

const cheerio = require('cheerio');
const axios = require('axios');

// 示例：如果是远程页面，先获取HTML；如果是本地内容，直接把HTML字符串赋值给html变量
async function scrapeGenreItems() {
    try {
        // 这里替换成目标页面的URL，或者直接写你的HTML字符串
        const response = await axios.get('目标页面URL');
        const html = response.data;
        
        // 加载HTML到Cheerio
        const $ = cheerio.load(html);
        
        // 逐个抓取.genreitem下的a标签内容
        $('.genreitem a').each((index, element) => {
            // 获取文本内容
            const itemText = $(element).text().trim();
            // 获取链接地址
            const itemLink = $(element).attr('href');
            
            // 这里可以把结果存起来，或者直接打印
            console.log(`第${index+1}个项目：文本=${itemText}，链接=${itemLink}`);
        });
        
    } catch (error) {
        console.error('抓取过程出错了：', error);
    }
}

// 调用函数
scrapeGenreItems();

针对你给的截断源码的说明 #

你提供的源码最后一个.genreitem里的a标签没闭合，实际抓取时如果遇到这种不规范的HTML，Cheerio一般也能自动修复，不用太担心。

如果你的HTML是本地字符串，不需要axios的话，可以改成这样：

const cheerio = require('cheerio');

const html = `
<div class="textbox"> 
    <div class="boxtitle">Theme</div> 
    <div class="genreitem"><a href="link">Cat</a></div> 
    <div class="genreitem"><a href="link">Dog</a></div> 
    <div class="genreitem"><a href="link">Zebra</a></div> 
    <div class="genreitem"><a href="link">Giraffe</a></div> 
    <div class="genreitem"><a href="link">...</a></div>
`;

const $ = cheerio.load(html);
$('.genreitem a').each((index, element) => {
    const text = $(element).text().trim();
    const link = $(element).attr('href');
    console.log(`${index+1}: ${text} -> ${link}`);
});

这样就能逐个把每个分类项的文本和链接都抓出来啦～

内容的提问来源于stack exchange，提问作者sinusGob