是否有任何推荐的JS库/框架从html中提取文本？
我们最近正致力于开发爬虫。一个特性/功能是从已爬行的HTML转换为文本。我们调查了一些python解决方案，如scrapy。但是，我们决定将编码语言从python移动到nodejs。是否存在关于存在JS框架/库的建议，以便将html转换为文本？ （例如：html-to-text）
PS。如果我们想要定制逻辑，那么包本身可以有一些智能来删除广告/页脚/标题并且很容易扩展。
非常感谢！
回答如下：到目前为止，根据我的调查，似乎readability可能是一种解决方案。以下示例代码：
fs = require('fs')
var JSDOM = require('jsdom').JSDOM;
var Readability = require('./Readability');
html = fs.readFileSync("/Users/librah/tmp/b.html")
var doc = new JSDOM(html.toString(), { url: "https://www.bleepingcomputer/virus-removal/Remove-the-edematousliterature-chrome-extension", });
reader = new Readability(doc.window.document);
article = reader.parse()
console.log(article.textContent.trim())
是否有任何推荐的JS库/框架从html中提取文本？
我们最近正致力于开发爬虫。一个特性/功能是从已爬行的HTML转换为文本。我们调查了一些python解决方案，如scrapy。但是，我们决定将编码语言从python移动到nodejs。是否存在关于存在JS框架/库的建议，以便将html转换为文本？ （例如：html-to-text）
PS。如果我们想要定制逻辑，那么包本身可以有一些智能来删除广告/页脚/标题并且很容易扩展。
非常感谢！
回答如下：到目前为止，根据我的调查，似乎readability可能是一种解决方案。以下示例代码：
fs = require('fs')
var JSDOM = require('jsdom').JSDOM;
var Readability = require('./Readability');
html = fs.readFileSync("/Users/librah/tmp/b.html")
var doc = new JSDOM(html.toString(), { url: "https://www.bleepingcomputer/virus-removal/Remove-the-edematousliterature-chrome-extension", });
reader = new Readability(doc.window.document);
article = reader.parse()
console.log(article.textContent.trim())