nodejs爬虫抓取数据之编码问题
更新时间：2015年07月03日 09:48:26 投稿：hebedich
这篇文章主要介绍了nodejs爬虫抓取数据之编码问题的相关资料,需要的朋友可以参考下
cheerio DOM化并解析的时候
1.假如使用了 .text()方法，则一般不会有html实体编码的问题出现
2.如果使用了 .html()方法，则很多情况下(多数是非英文的时候）都会出现，这时，可能就需要转义一番了
类似这些 因为需要作数据存储，所有需要转换
复制代码 代码如下:
Халк крушит. Новый способ исполнен
大多数都是&#(x)?\w+的格式
所以就用正则转换一番
var body = ....//这里就是请求后获得的返回数据，或者那些 .html()后获取的
//一般可以先转换为标准unicode格式（有需要就添加：当返回的数据呈现太多\\\u 之类的时）
body=unescape(body.replace(/\\u/g,"%u"));
//再对实体符进行转义
//有x则表示是16进制，$1就是匹配是否有x ，$2就是匹配出的第二个括号捕获到的内容，将$2以对应进制表示转换
body = body.replace(/&#(x)?(\w+);/g,function($,$1,$2){
return String.fromCharCode(parseInt($2,$1?16:10));
});
ok ～
当然了，网上也有很多个转换的版本，适用的就行了
后记：
当使用爬虫抓取网页数据时，cheerio模块是经常使用到底，它像jq那样方便快捷
（但有些功能并未支持或者换了某种形式，比如 jq的 jQuery('.myClass').prop('outerHTML') ，cheerio则等价于 jQuery.html('.myClass')http://www.mgenware.com/blog/?p=2514）
相关文章
本篇文章主要介绍了nodejs 图片预览和上传的示例代码，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2017-09-09
这篇文章主要为大家介绍了Node.js开发静态资源服务器示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2022-08-08
这篇文章主要介绍了解决await在forEach中不起作用的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2021-02-02
本篇文章主要介绍了详解express搭建权限管理系统，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2017-09-09
前面我们介绍了几篇内容的connect中间件的基础知识，今天我们来实例应用一下，做个记事本的小应用，希望大家能够喜欢。2015-01-01
这篇文章主要介绍了node.js调用C++开发的模块实例,在node的程序中,如果有大数据量的计算,处理起来比较慢,可以用C++来处理,然后通过回调（callback的形式）,返回给node,需要的朋友可以参考下2015-07-07
这篇文章主要介绍了Nodejs文件上传的示例代码，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2017-09-09
这篇文章主要为大家详细介绍了WebSocket实现简单客服聊天系统，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2017-05-05
这篇文章主要给大家介绍了Windows系统下Node.js的安装教程，Node.js是用于后端编程的JavaScript框架，文中给出了详细图文介绍，有需要的朋友可以参考下，下面来一起看看吧。2016-11-11
本文记录了在项目中使用node.js请求favican.ico的时候会出现2条请求，浪费资源，经过一番改进，记录下来过程，以后注意。2014-12-12
最新评论