Cheerio v1.2.0 Dokumentation

Cheerio ist eine schnelle, flexible und elegante Bibliothek zum Parsen und Manipulieren von HTML und XML auf der Server-Seite. Sie implementiert eine Teilmenge der jQuery-Kernfunktionalität und bietet eine vertraute API für Entwickler, während sie für Server-seitige Umgebungen optimiert ist.

Funktionen der aktuellen Version (1.2.0)

Kern-Lademethoden

Die aktuelle Version bietet mehrere leistungsstarke Möglichkeiten zum Laden und Parsen von HTML/XML-Dokumenten:

import * as cheerio from 'cheerio';

// Basic loading from string
const $ = cheerio.load('<h2 class="title">Hello world</h2>');

// Loading from buffer with encoding detection
const buffer = fs.readFileSync('index.html');
const $ = cheerio.loadBuffer(buffer);

// Loading from URL with automatic encoding detection
const $ = await cheerio.fromURL('https://example.com');

// Stream-based loading for large documents
const stream = cheerio.stringStream({}, (err, $) => {
  if (!err) {
    console.log($('h1').text());
  }
});

Erweiterte TypeScript-Unterstützung

Version 1.2.0 enthält umfassende TypeScript-Definitionen mit verbesserter Typsicherheit:

import { CheerioAPI, Cheerio, Element } from 'cheerio';

// Strongly typed element selection
const $: CheerioAPI = cheerio.load(html);
const elements: Cheerio<Element> = $('.my-class');

Neue Extract API

Eine leistungsstarke neue Funktion zur Datenextraktion aus HTML-Dokumenten:

const data = $root.extract({
  title: 'h1',
  links: [{ selector: 'a', value: 'href' }],
  metadata: {
    selector: '.meta',
    value: {
      author: '.author',
      date: '.date'
    }
  }
});

Erweiterte URL-Behandlung

Verbesserte Unterstützung für URL-Auflösung mit baseURI:

const $ = cheerio.load(html, { 
  baseURI: 'https://example.com/page/' 
});

// Automatically resolves relative URLs
$('a').prop('href'); // Returns absolute URL
$('img').prop('src'); // Returns absolute URL

Hauptfunktionen nach Kategorie

DOM-Manipulation

• jQuery-ähnliche Elementauswahl mit CSS-Selektoren
• Umfassende Attribut- und Eigenschaftsmanipulation
• Vollständige Unterstützung für DOM-Traversierungsmethoden
• Element-Einfügung, -Entfernung und -Modifikation

Formular-Behandlung

// Serialize forms to URL-encoded strings
$('form').serialize(); // 'name=value&email=test@example.com'

// Get form data as structured arrays
$('form').serializeArray();
// [{ name: 'username', value: 'john' }, ...]

CSS und Styling

// Get/set CSS properties
$('.element').css('color', 'red');
$('.element').css(['margin', 'padding']); // Get multiple properties

// Class manipulation
$('.item').addClass('active selected');
$('.item').removeClass('old-class');
$('.item').toggleClass('visible');

Daten-Attribute

// HTML5 data-* attribute support with automatic type coercion
$('.widget').data('config'); // Parses JSON automatically
$('.widget').data('count', 42); // Set data programmatically

Migration von älteren Versionen

Von 0.x zu 1.x

• Breaking: Node.js 12+ erforderlich (Unterstützung für ältere Versionen eingestellt)
• Breaking: Einige interne APIs wurden geändert
• Verbessert: Bessere TypeScript-Unterstützung durchgängig
• Neu: Stream-basiertes Parsing für bessere Speicher-Effizienz

Wichtige Änderungen im Überblick

// Old way (0.x) - still works but discouraged
const cheerio = require('cheerio');
const $ = cheerio.load(html);

// New way (1.x) - recommended
import * as cheerio from 'cheerio';
const $ = cheerio.load(html);

Leistungsverbesserungen

Version 1.2.0 enthält erhebliche Leistungsverbesserungen:

• Schnelleres Parsing: Verbesserter HTML-Parser mit besserer Fehlerbehandlung
• Speicher-Effizienz: Reduzierter Speicher-Footprint für große Dokumente
• Streaming-Unterstützung: Verarbeitung großer Dokumente ohne vollständiges Laden in den Speicher

// Stream processing for large files
const stream = cheerio.decodeStream({
  encoding: { defaultEncoding: 'utf8' }
}, (err, $) => {
  // Process document as it streams
});

Erweiterte Funktionen

Benutzerdefinierte Parser-Optionen

const $ = cheerio.load(html, {
  xmlMode: true,        // Parse as XML
  decodeEntities: false, // Don't decode HTML entities
  scriptingEnabled: false // Disable script tag processing
});

Netzwerk-Laden mit Optionen

const $ = await cheerio.fromURL('https://api.example.com/data', {
  requestOptions: {
    headers: { 'User-Agent': 'MyBot/1.0' }
  },
  encoding: { defaultEncoding: 'utf8' }
});

Bewährte Praktiken

1. TypeScript verwenden: Nutzen Sie die umfassenden Typdefinitionen
2. Große Dokumente streamen: Verwenden Sie Streaming-APIs für bessere Speicherverwaltung
3. Die Extract API nutzen: Verwenden Sie die neue Extract-Methode für strukturierte Datenextraktion
4. baseURI setzen: Setzen Sie beim Scraping von Websites baseURI für korrekte URL-Auflösung

Unterschiede zwischen Browser und Server

Cheerio ist für den Server-seitigen Einsatz konzipiert und entfernt browser-spezifische jQuery-Funktionen, während es server-optimierte Funktionalität hinzufügt wie:

• Keine Browser-DOM-Inkonsistenzen
• Bessere Fehlerbehandlung für fehlerhaftes HTML
• Speicher-effizientes Parsing
• Stream-Verarbeitungsfähigkeiten
• Automatische Kodierungserkennung

Das macht Cheerio ideal für Web Scraping, server-seitiges Rendering und alle HTML/XML-Verarbeitungsaufgaben in Node.js-Umgebungen.