Node.js上的html解析器

尝试https://github.com/tmpvar/jsdom -你给它一些HTML，它给你一个DOM。

如果你想构建DOM，你可以使用jsdom。

还有恭喜恭喜，它有jQuery接口，它比旧版本的jsdom快得多，尽管现在它们的性能相似。

你可能想看看htmlparser2，这是一个流解析器，根据它的基准测试，它似乎比其他的更快，默认情况下没有DOM。它还可以生成DOM，因为它还与创建DOM的处理程序绑定在一起。这是cheerio使用的解析器。

parse5看起来也是一个不错的解决方案。它是相当活跃的(截至此更新，距离上次提交已有11天)，符合whatwg，并在jsdom， 角和聚合物中使用。

如果你想要抓取的网站是动态，那么你应该使用phantomjs这样的无头的浏览器。如果你在考虑phantomjs，还可以看看casperjs。你可以用SpookyJS从节点控制casperjs。

在phantomjs旁边有zombiejs。与无法嵌入到nodejs中的phantomjs不同，zombiejs只是一个节点模块。

后面的解决方案有nettuts + toturial。

你也可以看看x-ray: https://github.com/lapwinglabs/x-ray