用于提取网页内容的Node.Js模块？

有人可以推荐一个Node.Js模块或Javascript库（不基于可读性），它可以用来从网页和RSS提要中提取内容吗？

我find了一个很好的PHP库，可以完成这个工作 – 但是寻找一个Node.Js模块，可以做同样的事情。

谢谢！

Answer 1

我为此写了一个Node.js模块，叫做'unfluff'：

https://github.com/ageitgey/node-unfluff

希望这将解决您的问题。

Unfluff基于stream行的“python-goose”和“goose”（Scala）页面提取库，以防您熟悉这些库。

Answer 2

我会推荐cheerio 。 有几个很好的教程，包括这一个：

http://maxogden.com/scraping-with-node.html

Answer 3

提取主文本也可以很好地从HTML中提取内容。 在我的情况下，日语（也许是CJK）的内容对node-unfluff不稳定。