我用 Cheerio 解析我的请求,如下所示:
var url = http://shop.nag.ru/catalog/16939.IP-videonablyudenie-OMNY/16944.IP-kamery-OMNY-c-vario-obektivom/16704.OMNY-1000-PRO;
request.get(url, function (err, response, body) {
console.log(body);
$ = cheerio.load(body);
console.log($(".description").html());
});
作为输出,我看到了内容,但使用了不可读的奇怪编码:
//Plain body console.log(body) (p.s. russian chars):
<h1><span style="font-size: 16px;">Уличная 3Мп IP HD камера OMNY - попробуйте найти лучше</span></h1><p style
// cheerio's console.log $(".description").html()
<h1><span style="font-size: 16px;">Уличная 3Мп IP HD камера OMNY
目标网址链接编码为 UTF-8 格式。那么为什么 Cheerio 会破坏我的编码呢?
尝试使用 iconv 来编码我的 body react :
var body1 = iconv.decode(body, "utf-8");
但是 console.log($(".description").html());
仍然返回奇怪的文本。
最佳答案
Cheerio 没有破坏任何东西。它正在输出 HTML entities ,它将被任何浏览器呈现与 HTML 输入完全相同。运行此代码段以了解我的意思:
<h1><span style="font-size: 16px;">Уличная 3Мп IP HD камера OMNY - попробуйте найти лучше</span></h1>
<h1><span style="font-size: 16px;">Уличная 3Мп IP HD камера OMNY - попробуйте найти лучше</span></h1>
У
是将字符 У
编码为 HTML 实体,与实体 >
的方式相同代表>
。
但是,如果要获取未编码的文本,可以将 decodeEntities
选项设置为 false
:
const $ = cheerio.load(
`<h1><span style="font-size: 16px;">Уличная 3Мп IP HD камера OMNY - попробуйте найти лучше</span></h1>`,
{ decodeEntities: false }
);
console.log($('span').html())
// => Уличная 3Мп IP HD камера OMNY - попробуйте найти лучше
.as-console-wrapper{min-height:100%}
<script src="https://bundle.run/cheerio@1.0.0-rc.3"></script>
关于Node.js Cheerio 解析器破坏了 UTF-8 编码,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/31574127/