Cheerio无法在没有ID或className的情况下抓取表，但可以正确访问路径

Question

我试图在下面的HTML中访问的项目是"GMV DLL VERSION2“

    <div class="container content">

  <main>
    <h2 id="rpcs--gmv-dll-version"><a href="/artifacts/vistaRPC%20documentation/TableOfContent">RPCs</a> → GMV DLL VERSION</h2>

<h3 id="vista-file-8994">VISTA File 8994</h3>

<table>
  <thead>
    <tr>
      <th>property</th>
      <th>value</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td>label</td>
      <td>GMV DLL VERSION2</td>

我正在尝试抓取这个网站(http://vistadataproject.info/artifacts/vistaRPC%20documentation/GMV%20DLL%20VERSION)

并将其输出为文本文件。我成功地使用reddit.com进行了一次测试。然而，我似乎不能让这个页面上的任何元素。为了测试它，甚至在处理表格之前，我就一直在尝试抓取页面早期(顶部区域)出现的一些元素。

表格中缺少classNames和Id已经够棘手的了，但是连标题文本都得不到，这真的让我想知道这是怎么回事。任何意见都将不胜感激。请求(http://vistadataproject.info/artifacts/vistaRPC%20documentation/GMV%20DLL%20VERSION，(err，res，body) => {

if (err) {
    console.log('Error: ' + err);
  }
  console.log('Status: ' + res.statusCode);

  const $ = cheerio.load(body);

  $('header.masthead > div.container').each(( index, tr ) => {
    // var children = $(this).children();
    const tableData = $(this).find('a.logo').text();
console.log("Table Contents: " + tableData);

fs.appendFileSync('test.txt', tableData + '\n' + 'Captured');


});

Answer 1

问题是'masthead‘是一个类名，而不是id。“container”和“logo”也是如此。因此，您需要相应地调整选择器：

$('header.masthead > div.container').each(( index, tr ) => {

但是，这只能得到标题信息，不包括包含“property => value”数据的表。对于该信息，您只需查找'‘标记下的子表。