আমার বড় পরিমাণে এইচটিএমএল পৃষ্ঠাগুলি পার্স করা উচিত (সার্ভার সাইড)।
আমরা সকলেই একমত যে রেজিএক্সএক্স এখানে যাওয়ার উপায় নয়।
আমার কাছে মনে হয় জাভাস্ক্রিপ্ট হ'ল এইচটিএমএল পৃষ্ঠাগুলি পার্স করার মূল উপায়, তবে এই অনুমানটি সার্ভারের সাইড কোডের উপর নির্ভর করে যা একটি ব্রাউজারের মধ্যে সমস্ত ডিওএম সক্ষমতার জাভাস্ক্রিপ্ট রয়েছে।
নোড.জেসের কি সেই ক্ষমতাটি অন্তর্নিহিত রয়েছে?
সার্ভার সাইডে এইচটিএমএলকে বিশ্লেষণ করে এই সমস্যার আরও ভাল পদ্ধতির কী আছে?
উত্তর:
আপনি নোড.জেএসএমে একটি ডিওএম তৈরি এবং বিশ্লেষণের জন্য এনপিএম মডিউলগুলি জএসডম এবং এইচটিএমপ্লসার ব্যবহার করতে পারেন।
অন্যান্য বিকল্পের মধ্যে রয়েছে:
এই সমস্ত বিকল্পগুলির মধ্যে, আমি নোড.জেএস বিকল্পটি পছন্দ করি কারণ এটি স্ট্যান্ডার্ড ডাব্লু 3 সি ডোম এক্সেসর পদ্ধতি ব্যবহার করে এবং আমি ক্লায়েন্ট এবং সার্ভার উভয় ক্ষেত্রেই কোডটি পুনরায় ব্যবহার করতে পারি। আমি আশা করি বিউটি 3 স ডোমের সাথে বিউটিফুলসপের পদ্ধতিগুলি আরও অনুরূপ ছিল এবং আমি মনে করি যে আপনার এইচটিএমএলকে এক্সএসএলটি এক্সেএসএলটি লিখতে রূপান্তরিত করা কেবল সরল দুঃখজনক।
চেরিও ব্যবহার করুন । এটি জাসডমের মতো কঠোর নয় এবং স্ক্র্যাপিংয়ের জন্য অনুকূলিত। বোনাস হিসাবে, আপনার ইতিমধ্যে জানা jQuery নির্বাচকগুলি ব্যবহার করুন।
Iliar পরিচিত সিনট্যাক্স: চেরিও মূল jQuery এর একটি উপসেট প্রয়োগ করে। চেরিও jQuery লাইব্রেরি থেকে সমস্ত DOM অসঙ্গতি এবং ব্রাউজার ক্রাফ্ট অপসারণ করে এর সত্যই চমত্কার এপিআই প্রকাশ করে।
z স্বচ্ছলভাবে দ্রুত: চেরিও একটি খুব সাধারণ, ধারাবাহিক ডিওএম মডেলের সাথে কাজ করে। ফলস্বরূপ পার্সিং, কারচুপি করা এবং রেন্ডারিং অবিশ্বাস্যভাবে দক্ষ। প্রাথমিক শেষ থেকে শেষের মানদণ্ডগুলি সুপারিশ করে যে চেরিও জেএসডোমের চেয়ে প্রায় 8x দ্রুত।
Ane উত্সাহী নমনীয়: চেরিও @ এফবি 55 এর ক্ষমাশীল এইচটিএমপলসারকে ঘিরে রেখেছে। চেরিও প্রায় কোনও এইচটিএমএল বা এক্সএমএল নথি পার্স করতে পারে।
jsdom
Htmlparser2 ব্যবহার করুন , এর উপায়টি দ্রুত এবং বেশ সোজা। এই ব্যবহার উদাহরণের সাথে পরামর্শ করুন:
https://www.npmjs.org/package/htmlparser2#usage
এবং এখানে লাইভ ডেমো:
FB55 দ্বারা Htmlparser2 ভাল বিকল্প বলে মনে হচ্ছে।
যে কোনও বাস্তব পর্দা স্ক্র্যাপিং ধরণের জিনিস করতে jsdom খুব কঠোর, তবে সুন্দরসুপ খারাপ মার্কআপে চোট দেয় না।
নোড-স্যুপ সিলেক্ট অজগরটির সুদর্শন একটি নোডেজগুলিতে একটি বন্দর এবং এটি সুন্দরভাবে কাজ করে
আমি শীর্ষ নোডজেএস এইচটিএমএল পার্সার লাইব্রেরি অনুসন্ধান করেছি।
যেহেতু আমার ব্যবহারের ক্ষেত্রে অনেকগুলি বৈশিষ্ট্যযুক্ত একটি লাইব্রেরির প্রয়োজন ছিল না, আমি স্থিতিশীলতা এবং কার্য সম্পাদনের দিকে মনোনিবেশ করতে পারি।
স্থিতিশীলতার দ্বারা আমি বোঝাতে চাইছি যে বাগগুলি খুঁজে পেতে গ্রন্থাগারটি সম্প্রদায় দ্বারা দীর্ঘায়িতভাবে ব্যবহার করা উচিত এবং এটি এখনও বজায় রাখা হবে এবং উন্মুক্ত সমস্যাগুলি বন্ধ হয়ে যাবে।
তার কঠিন একটি ওপেন সোর্স লাইব্রেরি ভবিষ্যত বুঝতে, কিন্তু আমি সবচেয়ে ব্যবসাসফল 10 টি লাইব্রেরি উপর ভিত্তি করে একটি ছোট সারসংক্ষেপ করেনি openbase ।
আমি সর্বশেষ প্রতিশ্রুতি অনুসারে 2 টি গ্রুপে বিভক্ত হয়েছি (এবং প্রতিটি গ্রুপে গিথুব শুরু অনুসারে ক্রম হয়):
সর্বশেষ প্রতিশ্রুতি গত 6 মাসে হয়:
jsdom - Last commit: 3 Months, Open issues: 331, Github stars: 14.9K।
htmlparser2 - Last commit: 8 days, Open issues: 2, Github stars: 2.7K।
parse5 - Last commit: 2 Months, Open issues: 21, Github stars: 2.5K।
swagger-parser - Last commit: 2 Months, Open issues: 48, Github stars: 663।
html-parse-stringify - Last commit: 4 Months, Open issues: 3, Github stars: 215।
নোড-এইচটিএমএল-পার্সার - Last commit: 7 days, Open issues: 15, Github stars: 205।
শেষ প্রতিশ্রুতি 6 মাস বা তার বেশি:
চেরিও - Last commit: 1 year, Open issues: 174, Github stars: 22.9K।
কোয়া-বডিপারসার - Last commit: 6 months, Open issues: 9, Github stars: 1.1K।
sax-js - Last commit: 3 Years, Open issues: 65, Github stars: 941।
খসড়া থেকে html - Last commit: 1 Year, Open issues: 27, Github stars: 233।
আমি নোড-এইচটিএমএল-পার্সারটি বেছে নিয়েছি কারণ এ মুহূর্তে এটি শান্ত এবং দ্রুত সক্রিয় বলে মনে হচ্ছে।
(*) ওপেনবেস প্রতিটি লাইব্রেরি সম্পর্কিত অবদানকারীদের সংখ্যা (+3 কমিট সহ), সাপ্তাহিক ডাউনলোড, মাসিক কমিট, সংস্করণ ইত্যাদি সম্পর্কিত আরও অনেক তথ্য যুক্ত করে।
(**) উপরের টেবিলটি নির্দিষ্ট সময় এবং তারিখ অনুসারে একটি স্ন্যাপশট - আমি আবার উল্লেখটি পরীক্ষা করে দেখতে পারি এবং প্রথম পদক্ষেপ হিসাবে সাম্প্রতিক ক্রিয়াকলাপের স্তরটি যাচাই করে এবং তারপরে আরও ছোট বিবরণে ডুব দেব।