NodeJS制作爬虫全过程（续）
书接上回，我们需要修改程序以达到连续抓取40个页面的内容。也就是说我们需要输出每篇文章的标题、链接、第一条评论、评论用户和论坛积分。
如图所示，$('.reply_author').eq(0).text().trim();得到的值即为正确的第一条评论的用户。
{<1>}
在eventproxy获取评论及用户名内容后，我们需要通过用户名跳到用户界面继续抓取该用户积分
var $ = cheerio.load(topicHtml);
//此URL为下一步抓取目标URL
var userHref = 'https://cnodejs.org' + $('.reply_author').eq(0).attr('href');
userHref = url.resolve(tUrl, userHref);
var title = $('.topic_full_title').text().trim().replace(/\n/g,"");;
var href = topicUrl;
var comment1 = $('.reply_content').eq(0).text().trim();
var author1 = $('.reply_author').eq(0).text().trim();
//传递参数到下一次并发抓取
ep.emit('user_html', [userHref, title, href, comment1, author1]);
在eventproxy这一次中，我们要找到score是放在哪里（class="big"）。
{<2>}
找到classname就好办了，我们先试着把结果输出一下
var outcome = superagent.get(userUrl)
.end(function (err, res) {
if (err) {
return console.error(err);
}
var $ = cheerio.load(res.text);
var score = $('.big').text().trim();
console.log(user[1]);
console.log(user[2]);
console.log(user[3]);
console.log(user[4]);
console.log($('.big').text().trim());
return ({
title: user[1],
href: user[2],
comment1: user[3],
author1: user[4],
score1: score
});
});
});
运行程序，这段代码得到的结果。
{<3>}
但是问题来了，我们在.end()的回调函数中能正确输出结果，但是不能正确的输出outcome。仔细一看，需要输出的outcome是一个Request对象。这是因为粗心犯的错的，.end()函数并不会传递返回值给Request对象，需要将结果返回到上一层（users）。
//find userDetails
ep.after('user_html', topicUrls.length, function(users){
users = users.map(function(user){
var userUrl = user[0];
var score;
superagent.get(userUrl)
.end(function (err, res) {
if (err) {
return console.error(err);
}
//console.log(res.text);
var $ = cheerio.load(res.text);
score = $('.big').text().trim();
});
return ({
title: user[1],
href: user[2],
comment1: user[3],
author1: user[4],
score1: score
});
});
把users好好地输出发现除了score1其他是正确值。仔细调试发现，程序是先进行了console.log()，然后再进行.map()。更准确地说，在.map()函数内，.get()的回调函数并没有执行完赋值score，return 返回值就进行了。这就是回调函数的异步，而外层的同步操作是不会等待回调函数做完操作的。
{<4>}
我的做法就是eventproxy再emit一层消息，伴随着消息把需要的数据一起传递给接收消息操作.after()，只有当消息全部接收完毕，再打印出传递的参数(结果)。
score = $('.big')text().trim();
//新添加
ep.emit('got_score', [user[1], user[2], user[3], user[4], score]);
.....
ep.after('got_score', 10, function(users){
console.log(users);
});
{<6>}
这个问题解决了，但score1的数值好像太大了点吧。再一看，原来class='big'有两个，用户的话题收藏也是属于这个class。我们得通过cheerio的.slice( start, [end] )来切取第一个元素，即将score 修改为 score = $('.big').slice(0).eq(0).text().trim();。正确结果如图。
{<7>}
相关文章
众所周知Node.js是单线程的，一个单独的Node.js进程无法充分利用多核。Node.js从v0.6.0开始，新增cluster模块，让Node.js开发Web服务时，很方便的做到充分利用多核机器。这篇文章主要给大家介绍了关于Node.js中多进程模块Cluster的相关资料,需要的朋友可以参考下2017-05-05
这篇文章主要介绍了nodejs简单实现中英文翻译的方法和示例，虽然还存在着不小的问题，但是也算是基本能用了，这里推荐给大家。2015-05-05
这篇文章主要和大家聊聊node如何优雅地获取mac系统版本，文中有详细的代码示例和流程步骤，对我们学习或工作有一定的帮助,需要的朋友可以参考下2023-06-06
这篇文章主要介绍了Nodejs处理Json文件并将处理后的数据写入新文件中，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2022-10-10
node.js使用express-fileupload中间件实现文件上传
本文使用express作为服务端，使用express-fileupload库提供的中间件函数来接受从客户端传来的图片，并将图片作为文件存储在服务端，感兴趣的可以了解一下2021-07-07
这篇文章主要介绍了Node.js实现的简易网页抓取功能示例,本文使用了PhantomJS、node-phantomjs等库实现,需要的朋友可以参考下2014-12-12
这篇文章主要介绍了node.js中的fs.readdir方法使用说明,本文介绍了fs.readdir方法说明、语法、接收参数、使用实例和实现源码,需要的朋友可以参考下2014-12-12
这篇文章主要介绍了nodeJs的安装与npm全局环境变量的配置详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-01-01
这篇文章主要给大家介绍了利用node.js写一个爬取知乎妹纸图的小爬虫，文中给出了详细的示例代码和介绍，对大家具有一定的参考学习价值，需要的朋友可以参考学习，下面来一起看看吧。2017-05-05
这篇文章主要介绍了nodejs nedb 封装库与使用方法,结合实例形式分析了nodejs nedb.js封装库的定义与使用技巧,需要的朋友可以参考下2020-02-02
最新评论