本文實例講述了node實現(xiàn)的爬蟲功能。分享給大家供大家參考,具體如下:
站在用戶的角度思考問題,與客戶深入溝通,找到郊區(qū)網(wǎng)站設(shè)計與郊區(qū)網(wǎng)站推廣的解決方案,憑借多年的經(jīng)驗,讓設(shè)計與互聯(lián)網(wǎng)技術(shù)結(jié)合,創(chuàng)造個性化、用戶體驗好的作品,建站類型包括:網(wǎng)站設(shè)計制作、網(wǎng)站制作、企業(yè)官網(wǎng)、英文網(wǎng)站、手機端網(wǎng)站、網(wǎng)站推廣、申請域名、網(wǎng)站空間、企業(yè)郵箱。業(yè)務(wù)覆蓋郊區(qū)地區(qū)。
node是服務(wù)器端的語言,所以可以像python一樣對網(wǎng)站進行爬取,下面就使用node對博客園進行爬取,得到其中所有的章節(jié)信息。
第一步:建立crawl文件,然后npm init。
第二步:建立crawl.js文件,一個簡單的爬取整個頁面的代碼如下所示:
var http = require("http"); var url = "http://www.cnblogs.com"; http.get(url, function (res) { var html = ""; res.on("data", function (data) { html += data; }); res.on("end", function () { console.log(html); }); }).on("error", function () { console.log("獲取課程結(jié)果錯誤!"); });
即引入http模塊,然后利用http對象的get請求,即一旦運行,相當(dāng)于node服務(wù)器端發(fā)送了一個get請求請求這個頁面,然后通過res返回,其中on綁定data事件用來不斷地接受數(shù)據(jù),最后end時我們就在后臺打印出來。
這只是整個頁面的一部分,我們可以在此頁面審查元素,發(fā)現(xiàn)確實是一樣的
我們只需要將其中的章節(jié)title和每一小節(jié)的信息爬到即可。
第三步:引入cheerio模塊,如下:(在gitbash中安裝即可,cmd總是出問題)
cnpm install cheerio --save-dev
這個模塊的引入,就是為了方便我們操作dom,就像jQuery一樣。
第四步:操作dom,獲取有用信息。
var http = require("http"); var cheerio = require("cheerio"); var url = "http://www.cnblogs.com"; function filterData(html) { var $ = cheerio.load(html); var items = $(".post_item"); var result = []; items.each(function (item) { var tit = $(this).find(".titlelnk").text(); var aut = $(this).find(".lightblue").text(); var one = { title: tit, author: aut }; result.push(one); }); return result; } function printInfos(allInfos) { allInfos.forEach(function (item) { console.log("文章題目 " + item["title"] + '\n' + "文章作者 " + item["author"] + '\n'+ '\n'); }); } http.get(url, function (res) { var html = ""; res.on("data", function (data) { html += data; }); res.on("end", function (data) { var allInfos = filterData(html); printInfos(allInfos); }); }).on("error", function () { console.log("爬取博客園首頁失敗") });
即上面的過程就是在爬取博客的題目和作者。
最終后臺輸出如下:
這和博客園首頁的內(nèi)容是一致的:
希望本文所述對大家nodejs程序設(shè)計有所幫助。
網(wǎng)站名稱:node實現(xiàn)的爬蟲功能示例
轉(zhuǎn)載源于:http://muchs.cn/article4/pdghoe.html
成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián),為您提供服務(wù)器托管、網(wǎng)站維護、微信公眾號、定制網(wǎng)站、用戶體驗、外貿(mào)建站
聲明:本網(wǎng)站發(fā)布的內(nèi)容(圖片、視頻和文字)以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主,如果涉及侵權(quán)請盡快告知,我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場,如需處理請聯(lián)系客服。電話:028-86922220;郵箱:631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載,或轉(zhuǎn)載時需注明來源: 創(chuàng)新互聯(lián)