代码之家 › 专栏 › 技术社区 › punkish

分析XML以使用htmlparser2提取特定标记的文本

html-parser xml node.js

punkish · 技术社区 · 6 年前

我正在尝试node-htmlparser2,一开始就被卡住了。我有数千个这样的XML文件:

<document â¦ loads of attribs â¦>
    <foo â¦ loads of attribs â¦>
        <loadsâ¦> â¦ </loads>
        <ofâ¦> â¦ </of>
        <otherâ¦> â¦ </other>
        <tagsâ¦> â¦ </tags>
    </foo>
</document>

我想要里面的一切 <foo></foo> 作为单个字符串。我下面的代码有效,但在我看来这不是正确的方法

let isFoo = false;
let txt = '';
const p = new htmlparser.Parser({
    onopentag: function(name, attribs){
        if (name === 'foo') {
            isFoo = true;
        }
    },
    ontext: function(text){
        if (isFoo) {
            txt += text;
        }
    },
    onclosetag: function(tagname){
        if (tagname === 'foo') {
            isFoo = false;
            return txt;
        }
    }
}, {decodeEntities: true, xmlMode: true});

let data = [];
for (let file in files) {
    let record = {
        filename: file,
        filetext: p.write(file)
    }
    data.push(record);
    p.end();
}

有没有更好的方法可以在没有这种愚蠢的情况下使用htmlparser2? isFoo 旗帜?

1 回复 | 直到 6 年前

Stock Overflaw 6 年前

下面是一个可能的方法,灵感来自下面给出的示例 DomHandler's NPM page 从一个丑陋的 console.log 在 h.DomUtils .

const h = require('htmlparser2');
const fs = require('fs');
const data = []; // your output

files.map((file) => { // files is assumed to be populated
  const record = {
    filename: file
  };
  data.push(record);
  const dh = new h.DomHandler((err, dom) => {
    if (err) return record.err = err;
    // DomUtils has many useful methods, most of them you know already, pick your preferred
    const e = h.DomUtils.getElementsByTagName('foo', dom)[0];
    // getText: only text nodes, getInnerHTML: everything, inner tags included
    record.filetext = h.DomUtils.getText(e);
  });
  const parser = new h.Parser(dh, {decodeEntities: true, xmlMode: true});
  fs.readFile(file, (err, content) => {
    if (err) return record.err = err;
    parser.write(content);
    parser.end();
  });
});

推荐文章

JobProcessTask · 如何读取此xpath表达式?

2 年前

Sven K · 无法访问XML数据结构中的“数据”:“名称属性>数据”

2 年前

sklal · 在Python中从S3存储桶读取xml文件——只存储最后一个文件的内容

2 年前

MBF · PHP导入/解析XML文件内容保存到数据库

2 年前

TenkMan · SQL Server XML嵌套值查询表单990

2 年前

lam62 · 如何使用XML从XHTML/XML中提取相关数据。dom。小型化

2 年前

Mohan.Murali.Peddini · XSLT模板循环记录

2 年前

mayo0o · 检查元素的总和

2 年前

crichavin · 排除XSLT的(1.0)行返回和文本输出中的额外空白

2 年前

Crimp · 从Excel导出后,在XML文件和PowerShell输出中发现奇怪字符:

3 年前