[{"_1":2,"_3":-5,"_4":-5},"loaderData",{"_5":6,"_7":8},"actionData","errors","root",{"_11":-5},"routes/user.$name.collections",{"_9":10,"_11":12,"_13":14,"_15":16,"_17":18,"_19":20},"topics",[37,38],"user",{"_21":22,"_13":14,"_23":24,"_25":26,"_27":28,"_29":30,"_31":32,"_33":34,"_35":36},"loginname","buctyoyo","page",1,"limit",20,"total",2,"id","8836","avatar_url","https://avatars3.githubusercontent.com/u/4994082?v=4","githubUsername","biebg","create_at","2013-07-11 03:16:59.015","score",280,"topic_count",19,"reply_count",37,"is_star",false,{"_21":61,"_40":62,"_42":-5,"_44":63,"_46":64,"_48":65,"_50":36,"_52":36,"_33":32,"_54":66,"_27":67,"_57":68},{"_21":39,"_40":41,"_42":43,"_44":45,"_46":47,"_48":49,"_50":51,"_52":36,"_33":53,"_54":55,"_27":56,"_57":58},"4469","author_id","7349","tab","share","content","所谓工欲善其事，必先利其器，所以通读了[cheerio](https://npmjs.org/package/cheerio)的API，顺便翻译了一遍，有些地方因为知道的比较少，不知道什么意思，保留了英文，希望各位不吝告诉我，然后一起把这个翻译完成。\r\n\r\n###cheerio\r\n为服务器特别定制的，快速、灵活、实施的jQuery核心实现.\r\n###Introduction\r\n将HTML告诉你的服务器\r\n\r\n var cheerio = require('cheerio'),\r\n $ = cheerio.load('

Hello world

');\r\n \r\n $('h2.title').text('Hello there!');\r\n $('h2').addClass('welcome');\r\n \r\n $.html();\r\n //=>

Hello there!

\r\n\r\n###Installation\r\nnpm install cheerio\r\n\r\n###Features\r\n**❤ 相似的语法:**Cheerio 包括了 jQuery 核心的子集。Cheerio 从jQuery库中去除了所有 DOM不一致性和浏览器尴尬的部分，揭示了它真正优雅的API。\r\n\r\n**ϟ 闪电般的块:**Cheerio 工作在一个非常简单，一致的DOM模型之上。解析，操作，呈送都变得难以置信的高效。基础的端到端的基准测试显示Cheerio 大约比JSDOM快八倍(8x)。\r\n\r\n**❁ 巨灵活:** Cheerio 封装了兼容的htmlparser。Cheerio 几乎能够解析任何的 HTML 和 XML document。\r\n\r\n###What about JSDOM\r\n我写cheerio 是因为我发现我自己对JSDOM越来越沮丧。对于我来说，总是会一次又一次的碰上几个难点。\r\n\r\n* **JSDOM内建的解析太过于严格**: JSDOM附带的HTML解析不能处理很多当下的大众的网站。\r\n\r\n* **JSDOM太慢**:用JSDOM解析大型网站存在可见的延迟。\r\n\r\n* **JSDOM太累赘**:JSDOM的目标是提供一个我们在浏览器里面看到的相同的 DOM 环境。我从没有真的需要所有这些东西，我只是想要一个简单的，相似的方法去处理HTML。\r\n\r\n###When I would use JSDOM\r\nCheerio 不会解决你的所有问题。我人会使用JSDOM如果我需要用一个在服务器上的浏览器环境，特别是如果我想要自动化一些功能测试。\r\n###API\r\n####我们将用到的标记示例\r\n

Apple
Orange
Pear

\r\n\r\n这是我们将会在所有的API例子中用到的HTML标记\r\n\r\n####Loading\r\n首先你需要加载HTML。这一步对jQuery来说是必须的，since jQuery operates on the one, baked-in DOM。通过Cheerio,我们需要把HTML document 传进去。\r\n\r\n这是**首选**:\r\n\r\n var cheerio = require('cheerio'),\r\n $ = cheerio.load('

...');\r\n\r\n或者通过传递字符串作为内容来加载HTML:\r\n\r\n $ = require('cheerio');\r\n $('ul', '

...');\r\n\r\nOr as the root:\r\n\r\n $ = require('cheerio');\r\n $('li', 'ul', '

...');\r\n\r\n你也可以传递一个额外的对象给.load()如果你需要更改任何的默认解析选项的话:\r\n\r\n $ = cheerio.load('

...', {\r\n ignoreWhitespace: true,\r\n xmlMode: true\r\n });\r\n \r\n这些解析选项都是直接来自htmlparser ，因此任何在htmlparser里有效的选项在Chreeio里也是行得通的。默认的选项如下:\r\n\r\n {\r\n ignoreWhitespace: false,\r\n xmlMode: false,\r\n lowerCaseTags: false\r\n }\r\n\r\n 想看选项清单和它们都效果，看\r\n [这个](https://github.com/fb55/DomHandler)和\r\n [这个](https://github.com/fb55/htmlparser2/wiki/Parser-options)\r\n \r\n####Selectors\r\n\r\nCheerio的选择器用起来几乎和jQuery一样，所以API也很相似。\r\n\r\n**$(selectior,[context],[root])**\r\n\r\n选择器在 Context 范围内搜索，Context又在Root范围内搜索。selector 和context可是是一个字符串表达式，DOM元素，和DOM元素的数组，或者chreeio对象。root 是通常是HTML 文档字符串。\r\n\r\n $('.apple', '#fruits').text()\r\n //=> Apple\r\n \r\n $('ul .pear').attr('class')\r\n //=> pear\r\n \r\n $('li[class=orange]').html()\r\n //=>

Orange

\r\n\r\n####Attributes\r\n获得和修改属性\r\n\r\n**.attr(name,value)**\r\n\r\n获得和修改属性。在匹配的元素中只能获得第一元素的属性。如果设置一个属性的值为null，则移除这个属性。你也可以传递一对键值，或者一个函数。\r\n\r\n $('ul').attr('id')\r\n //=> fruits\r\n \r\n $('.apple').attr('id', 'favorite').html()\r\n //=>

Apple

\r\n更多信息请看[这里]( http://api.jquery.com/attr/ )\r\n\r\n**value([value])**\r\n\r\n获得和修改input,select,textarea的value.注意: 对于传递键值和函数的支持还没有被加进去。\r\n\r\n $('input[type=\"text\"]').val()\r\n => input_text\r\n \r\n $('input[type=\"text\"]').val('test').html()\r\n => \r\n\r\n**.removeAttr(name)**\r\n\r\n通过name删除属性\r\n\r\n $('.pear').removeAttr('class').html()\r\n //=>

Pear

\r\n\r\n**.hasClass( className )**\r\n\r\n检查匹配的元素是否有给出的类名\r\n \r\n $('.pear').hasClass('pear')\r\n //=> true\r\n \r\n $('apple').hasClass('fruit')\r\n //=> false\r\n \r\n $('li').hasClass('pear')\r\n //=> true\r\n\r\n**.addClass(className)**\r\n\r\n增加class(es)给所有匹配的elements.也可以传函数。\r\n\r\n $('.pear').addClass('fruit').html()\r\n //=>

Pear

\r\n \r\n $('.apple').addClass('fruit red').html()\r\n //=>

Apple

\r\n\r\n更多信息看[这里]( http://api.jquery.com/addClass/)\r\n\r\n**.removeClass([className])**\r\n\r\n从选择的elements里去除一个或多个有空格分开的class。如果className 没有定义，所有的classes将会被去除，也可以传函数。\r\n\r\n $('.pear').removeClass('pear').html()\r\n //=>

Pear

\r\n \r\n $('.apple').addClass('red').removeClass().html()\r\n //=>

Apple

\r\n更多信息看[这里](http://api.jquery.com/removeClass/)\r\n\r\n**.is.(selector)**\r\n\r\n**.is(function(index))**\r\n\r\n有任何元素匹配selector就返回true。如果使用判定函数，判定函数在选中的元素中执行，所以this指向当前的元素。\r\n\r\n####Traversing\r\n\r\n**.find(selector)**\r\n\r\n获得一个在匹配的元素中由选择器滤过的后代。\r\n\r\n $('#fruits').find('li').length\r\n //=> 3\r\n\r\n**.parent([selector])**\r\n\r\n获得每个匹配元素的parent,可选择性的通过selector筛选。\r\n\r\n $('.pear').parent().attr('id')\r\n //=> fruits\r\n\r\n**.parents([selector])**\r\n\r\n获得通过选择器筛选匹配的元素的parent集合。\r\n\r\n $('.orange').parents().length\r\n // => 2\r\n $('.orange').parents('#fruits').length\r\n // => 1\r\n\r\n**.closest([selector])**\r\n\r\n对于每个集合内的元素，通过测试这个元素和DOM层级关系上的祖先元素，获得第一个匹配的元素\r\n\r\n $('.orange').closest()\r\n // => []\r\n $('.orange').closest('.apple')\r\n // => []\r\n $('.orange').closest('li')\r\n // => [

Orange

]\r\n $('.orange').closest('#fruits')\r\n // => [

... ]\r\n\r\n**.next()**\r\n获得第一个本元素之后的同级元素\r\n\r\n $('.apple').next().hasClass('orange')\r\n //=> true\r\n\r\n**.nextAll()**\r\n\r\n获得本元素之后的所有同级元素\r\n \r\n $('.apple').nextAll()\r\n //=> [

Orange

Pear

]\r\n**.prev()**\r\n\r\n获得本元素之前的第一个同级元素\r\n\r\n $('.orange').prev().hasClass('apple')\r\n //=> true\r\n**.preAll()**\r\n\r\n $('.pear').prevAll()\r\n //=> [

Orange

Apple

]\r\n\r\n\r\n获得本元素前的所有同级元素\r\n\r\n**.slice(start,[end])**\r\n\r\n获得选定范围内的元素\r\n\r\n $('li').slice(1).eq(0).text()\r\n //=> 'Orange'\r\n \r\n $('li').slice(1, 2).length\r\n //=> 1\r\n\r\n**.siblings(selector)**\r\n\r\n获得被选择的同级元素，除去自己??\r\n\r\n $('.pear').siblings().length\r\n //=> 2\r\n \r\n $('.pear').siblings('.orange').length\r\n //=> 1\r\n\r\n**.children(selector)**\r\n\r\n获被选择元素的子元素\r\n\r\n $('#fruits').children().length\r\n //=> 3\r\n \r\n $('#fruits').children('.pear').text()\r\n //=> Pear\r\n\r\n**.each(function(index,element))**\r\n\r\n迭代一个cheerio对象，为每个匹配元素执行一个函数。When the callback is fired, the function is fired in the context of the DOM element, so this refers to the current element, which is equivalent to the function parameter element.要提早跳出循环，返回false.\r\n\r\n var fruits = [];\r\n \r\n $('li').each(function(i, elem) {\r\n fruits[i] = $(this).text();\r\n });\r\n \r\n fruits.join(', ');\r\n //=> Apple, Orange, Pear\r\n\r\n**.map(function(index,element))**\r\n\r\n迭代一个cheerio对象，为每个匹配元素执行一个函数。Map会返回一个迭代结果的数组。the function is fired in the context of the DOM element, so this refers to the current element, which is equivalent to the function parameter element\r\n \r\n $('li').map(function(i, el) {\r\n // this === el\r\n return $(this).attr('class');\r\n }).join(', ');\r\n //=> apple, orange, pear\r\n\r\n**.filter(selector)**\r\n\r\n**.filter(function(index))**\r\n\r\n迭代一个cheerio对象，滤出匹配选择器或者是传进去的函数的元素。如果使用函数方法，这个函数在被选择的元素中执行，所以this指向的手势当前元素。\r\n\r\nSelector:\r\n\r\n $('li').filter('.orange').attr('class');\r\n //=> orange\r\n\r\nFunction:\r\n\r\n $('li').filter(function(i, el) {\r\n // this === el\r\n return $(this).attr('class') === 'orange';\r\n }).attr('class')\r\n //=> orange\r\n\r\n**.first()**\r\n\r\n会选择chreeio对象的第一个元素\r\n\r\n $('#fruits').children().first().text()\r\n //=> Apple\r\n\r\n**.last()**\r\n\r\n $('#fruits').children().last().text()\r\n //=> Pear\r\n会选择chreeio对象的最后一个元素\r\n\r\n**.eq(i)**\r\n\r\n通过索引筛选匹配的元素。使用.eq(-i)就从最后一个元素向前数。\r\n\r\n $('li').eq(0).text()\r\n //=> Apple\r\n \r\n $('li').eq(-1).text()\r\n //=> Pear\r\n\r\n###Manipulation\r\n\r\n改变DOM结构的方法\r\n\r\n**.append(content,[content...])**\r\n\r\n在每个元素最后插入一个子元素\r\n\r\n $('ul').append('

Plum

')\r\n $.html()\r\n //=>

Apple
Orange
Pear
Plum

\r\n\r\n**.prepend(content,[content,...])**\r\n\r\n在每个元素最前插入一个子元素\r\n\r\n\r\n $('ul').prepend('

Plum

')\r\n $.html()\r\n //=>

Plum
Apple
Orange
Pear

\r\n\r\n**.after(content,[content,...])**\r\n\r\n在每个匹配元素之后插入一个元素\r\n\r\n $('.apple').after('

Plum

')\r\n $.html()\r\n //=>

Apple
Plum
Orange
Pear

\r\n\r\n**.before(content,[content,...])**\r\n\r\n在每个匹配的元素之前插入一个元素\r\n\r\n $('.apple').before('

Plum

')\r\n $.html()\r\n //=>

Plum
Apple
Orange
Pear

\r\n\r\n\r\n**.remove( [selector] )**\r\n\r\n从DOM中去除匹配的元素和它们的子元素。选择器用来筛选要删除的元素。\r\n\r\n $('.pear').remove()\r\n $.html()\r\n //=>

Apple
Orange

\r\n\r\n**.replaceWith( content )**\r\n\r\n替换匹配的的元素\r\n\r\n var plum = $('

Plum

')\r\n $('.pear').replaceWith(plum)\r\n $.html()\r\n //=>

Apple
Orange
Plum

\r\n\r\n**.empty()**\r\n\r\n清空一个元素，移除所有的子元素\r\n\r\n $('ul').empty()\r\n $.html()\r\n //=>

\r\n\r\n**.html( [htmlString] )**\r\n\r\n获得元素的HTML字符串。如果htmlString有内容的话，将会替代原来的HTML\r\n\r\n $('.orange').html()\r\n //=> Orange\r\n \r\n $('#fruits').html('

Mango

').html()\r\n //=>

Mango

\r\n\r\n**.text( [textString] )**\r\n\r\n获得元素的text内容，包括子元素。如果textString被指定的话，每个元素的text内容都会被替换。\r\n\r\n $('.orange').text()\r\n //=> Orange\r\n \r\n $('ul').text()\r\n //=> Apple\r\n // Orange\r\n // Pear\r\n \r\n###Rendering\r\n\r\n如果你想呈送document，你能使用html多效用函数。\r\n \r\n $.html()\r\n //=>

Apple
Orange
Pear

\r\n\r\n如果你想呈送outerHTML,你可以使用 $.html(selector)\r\n\r\n $.html('.pear')\r\n //=>

Pear

\r\n\r\n默认的,html会让一些标签保持开标签的状态.有时候你想呈现一个有效的XML文档.例如下面这个:\r\n\r\n $ = cheerio.load('');\r\n\r\n然后为了呈现这个XML,你需要使用`xml`这个函数:\r\n\r\n $.xml()\r\n //=> \r\n\r\n###Miscellaneous\r\n\r\n不属于其它地方的DOM 元素方法\r\n\r\n\r\n**.toArray()**\r\n\r\n取得所有的在DOM元素，转化为数组、\r\n\r\n $('li').toArray()\r\n //=> [ {...}, {...}, {...} ]\r\n\r\n**.clone()**\r\n\r\n克隆cheerio对象\r\n\r\n var moreFruit = $('#fruits').clone()\r\n \r\n###Utilities\r\n\r\n**$.root**\r\n有时候你想找到最上层的root元素,那么`$.root()`就能获得:\r\n \r\n $.root().append('

').html();\r\n //=>

...

\r\n\r\n**$.contains( container, contained )**\r\n\r\n查看cotained元素是否是container元素的子元素\r\n\r\n**$.parseHTML( data [, context ] [, keepScripts ] )**\r\n\r\n将字符串解析为DOM节点数组。context参数对chreeio没有意义，但是用来维护APi的兼容性。\r\n\r\n###Screencasts\r\n\r\n[http://vimeo.com/31950192](http://vimeo.com/31950192)\r\n\r\n这个视频教程是follow-up Nettut的\"How to Scrape Web Pages with Node.js and jQuery\"，用 cheerio而不是JSDOM+JQuery. 这个视频就是展示chreeio多牛B，多快的。","title","通读cheerio API","last_reply_at","2019-02-21 11:44:43.737","good",true,"top",29,"visit_count",304097,"2013-08-08 14:11:36.535","author",{"_13":59,"_23":60},"ggaaooppeenngg","https://avatars.githubusercontent.com/u/4769989?v=3","1656","247","http协议请求头我们再熟悉不过了，一些诸如content-type，etag等等的协议头规定了我们如何使用http协议，以及反映着一些资源的状态。但是我们有注意过http请求头的顺序吗？\r\n最近在做爬虫程序时发现了这个问题，在爬到某某网站时，发现之前的爬虫程序一直被爆40X错误，很是纳闷，我都是按照浏览器的请求头来伪造的，加上了referr还是如此。怀疑是因为利用算法禁止了ip地址，于是单独请求，发现还是有部分请求被挡住了，爬虫程序无法正常工作了。\r\n但是浏览器端刷新一直很正常，于是将浏览器的请求头按照原封不动的顺序拷入爬虫程序，发现其可以正常使用了。\r\nhttp请求头真的有顺序吗？下面我们看一下各个浏览器的http请求头情况。\r\n\r\nnodejs代码：\r\n\r\n var http = require('http'),\r\n server = http.createServer(function (req, res){\r\n var body = JSON.stringify(req.headers) + '\\n' + Object.keys(req.headers);\r\n res.end(body);\r\n }).listen(3000);\r\n\r\n \r\n 我们分别看下chrome、ff还有IE下的截屏：\r\n\r\n ![enter image description here][1]\r\n ![enter image description here][2]\r\n哼哼，这次我装了win8，不会被鄙视啦！\r\n ![enter image description here][3]\r\n \r\n然后我们利用node构造一个请求，把请求头顺序打乱：\r\n\r\n \r\n var getfn = function(path, cb){\r\n var request = http.request({\r\n host:'192.168.1.220',\r\n port:3000,\r\n path:'/'+path,\r\n method:'GET',\r\n headers:{'Accept':'text/html',\r\n 'Content-Type':'application/x-www-form-urlencoded', \r\n 'Content-Length':'19',\r\n 'User-Agent':'node.js-v0.8.8', \r\n 'cookie':'userid=123456; mycookie2=abcdefg', \r\n 'X-Requested-With':'xmlhttprequest',\r\n 'Connection':'keep-alive',\r\n 'Referer':'http://www.cnodejs.org/'}\r\n }, function(res){\r\n var body = '';\r\n res.on('data', function(chunk) {\r\n // convert chunk to utf8 text:\r\n body += chunk;\r\n // process utf8 text chunk\r\n });\r\n res.on('end', function() {\r\n cb(res, body);\r\n });\r\n }).on('err', function(e){\r\n throw e;\r\n });\r\n request.end();\r\n }\r\n \r\n getfn('/', function(res, body){\r\n console.log(body)\r\n });\r\n\r\n第一次请求头顺序如下：\r\n![enter image description here][4]\r\n\r\n我们变化了host，accept还有referer的位置：\r\n\r\n headers:{\r\n 'host':'192.168.1.220',\r\n 'Referer':'http://www.cnodejs.org/',\r\n 'Content-Type':'application/x-www-form-urlencoded', \r\n 'Content-Length':'19',\r\n 'User-Agent':'node.js-v0.8.8', \r\n 'cookie':'userid=123456; mycookie2=abcdefg', \r\n 'X-Requested-With':'xmlhttprequest',\r\n 'Connection':'keep-alive',\r\n 'Accept':'text/html',}\r\n\r\n第二次顺序如下：\r\n![enter image description here][5]\r\n\r\n我们看到，请求头的顺序根据我们发送headers的顺序改变了，所以http请求头是有顺序的。原因么因为http协议是基于TCP的，而tcp协议有一个重要的准则，它会严格的根据你发送的数据顺序传输数据，这也就保证了http请求头的顺序。\r\n所以我们也可以利用这一点来对付爬虫程序，因为一般的浏览器都有一定的http请求头顺序，比如accept 必须在accpet-language和accpet-encoding之前。\r\n\r\n\r\n [1]: /upload/4efc278525fa69ac690000f7/1348497838383_chrome.gif\r\n [2]: /upload/4efc278525fa69ac690000f7/1348497851279_ff.gif\r\n [3]: /upload/4efc278525fa69ac690000f7/1348497861461_ie.gif\r\n [4]: /upload/4efc278525fa69ac690000f7/1348497917108_node1.gif\r\n [5]: /upload/4efc278525fa69ac690000f7/1348497953994_node2.gif","http请求headers的顺序","2016-01-05 01:13:32.784",25331,"2012-09-24 14:46:06.255",{"_13":69,"_23":70},"DoubleSpout","https://avatars0.githubusercontent.com/u/971370?v=3"]