如何使用 Node.js 從 HTML 字符串中剝離所有腳本元素？

Question

我正在使用 Node.js 和 Puppeteer 構建刮板。 在這種情況下，Puppeteer 獲取頁面的主要內容，將其保存為字符串，Rss Parser 將其轉換為 RSS 提要，創建 XML 文件，並將該文件保存為包含抓取內容的物理文件。 問題是，如果抓取的內容包含 Adsense 代碼等腳本元素，它也會被抓取。 我需要一個簡單的正則表達式，它將刪除任何腳本元素及其所有屬性以及介於兩者之間的所有內容。

我一直在尋找一個簡單的例子，它可以讓我做一些事情，比如：

var content = scrapedcontent;
content = content.replace(myregex, '');

我找不到適合我的例子。 到目前為止，我發現的最接近的東西建議使用 jQuery。 我不能使用 jQuery，因為這是一個 Node.js 項目，它不包含 jQuery 庫，我不想將 ZF590B432C30BE28D3C 字符串添加到 outCCC5 字符串。

另外，請不要用關於正則表達式及其字符含義的講座來回應。 對我來說，這就是全部。 我只需要找到說“這是正則表達式，這就是它的作用，復制並粘貼你就完成了”的東西。

Answer 1

使用https://www.npmjs.com/package/cherio

實現專為服務器設計的核心 jQuery。

獲取 jQuery 樣式的元素並擺脫它們

const cheerio = require('cherio')
const $ = cheerio.load(scrapedcontent);
$('.abc').remove(); // your selector
const newHtml = $.html();