使用 cheerio 进行网页抓取：删除或忽略 child 元素？

Question

所以我有一个要抓取的网站，结构如下：

<p><strong>some headline:</strong> some content etc. blabla </p>

<p><strong>some other headline:</strong> some more content etc. blabla </p>
// and so on...

我用 cheerio 抓取如下：

$('p strong').each(function(i, element){
      console.log($(this).text()); 
      //gets me the headline

      console.log("Parent:" + $(this).parent().text()); 
      //gets me the content, but unfortunately, also the headline again
    });

目前，我只是记录所有内容，但稍后我想将标题和内容保存在单独的变量中。然而，由于标题（在 <strong> 标签中找到）也是 <p> 标签的一部分，我的第二个命令（打算只获取内容，没有标题，因为我已经抓住了that) 不仅获得了内容，还获得了标题。我怎样才能分离或删除 <strong> 标签中的所有内容，并将所有其余内容保存在 <p> 标签中，即仅保存内容？

Answer 1

删除标题元素可能最简单：

$('p strong').each(function(i, element){
  var $this = $(this);
  var headline = $this.text();     // Get headline text
  var parent = $this.parent();     // Get parent
  $this.remove();                  // Remove headline element
  var body = parent.text();        // Get body text
  // ...
});

使用 cheerio 进行网页抓取：删除或忽略 child 元素？

Webscraping with cheerio: Deleting or ignoring a child element?

javascript

node.js

cheerio