脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 网络编程 → JavaScript → node.js → Node.JS用PhantomJs抓取网页

Node.JS利用PhantomJs抓取网页入门教程

 更新时间：2017年05月19日 08:33:35   作者：6666  
现今，网页抓取已经是一种人所共知的技术了，然而依然存在着诸多复杂性，下面这篇文章主要给大家介绍了Node.JS利用PhantomJs抓取网页的方法教程，需要的朋友可以参考借鉴，下面来一起看看吧。

前言

当想用 nodejs 抓取一些网页 , 我第一反应想到的就是使用 http 模块 , 比如抓取百度首页:

var http = require('http');
var req = http.request('http://www.baidu.com/', function (res) {
 res.setEncoding('utf8');
 res.on('data', function (chunk) {
  //响应内容
  console.log(chunk)
 });
});
req.end(function () {
 // console.log('连接关闭');
});

但是 , 这仅限于简单地抓取 html , 有很大的局限性。

假如你想要的内容不在 html 里 , 而是 js 动态生成的 , 那 http 模块就不能满足你的需求了 ;

假如网页使 gbk 编码的 , 上述方法也不太好用了。

假如是 https 上述方法也要改一改了。

我渴望一个更强大 , 但使用起来也不麻烦的工具。

PhantomJs

用 PhantomJs 就可以解决上述问题。

PhantomJs 就是一个没有界面的浏览器。

安装

使用 cnpm 安装 PhantomJS 即可:

cnpm install phantomjs --save-dev

这里我没有选择全局安装 , 因为全局安装的话 , 别人使用我的源码的时候 , 不知道还有这么一个依赖 , 项目就跑不起来了。

如果你也选择局部安装 , 那么你需要在 package.json 里的 scripts 中加入一段 :

"phantomjs":"node_modules/.bin/phantomjs"

等下会用到这个的 , 到这里 , 安装算完成了。

写代码

我们新建一个文件 , 名字随意 , 这里我新建一个 main.js :

var webpage = require('webpage');
var page = webpage.create();
page.open('http://www.baidu.com/', function (status) {
 var data;
 if (status === 'fail') {
  console.log('open page fail!');
 } else {
  console.log(page.content);//打印出HTML内容
 }
 page.close();//关闭网页
 phantom.exit();//退出phantomjs命令行
});

这里有个 webpage 模块 , 我们刚才明明没有这个模块 , 为什么能引用这个模块 ???

当然不能引用 , 假如我们使用 node main.js 来跑这段代码 , 是跑不起来的 , 应该这样运行这段代码 :

npm run phantomjs main.js

这里的 npm run phantomjs 对应的就是前面我们在 package.json 里加入的那段命令 , 很方便吧 , 几乎和 http 模块一样方便。

page.content 就是 html 代码了 , 这个 page 对象还有很多的属性 , 功能更强大。

到这里 , 你就已经算入门了 , 想知道更多可以去 phantomjs 官网看看文档了。

总结

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作能带来一定的帮助，如果有疑问大家可以留言交流，谢谢大家对脚本之家的支持。

您可能感兴趣的文章:

相关文章

  • 基于Node实现可以操作MySQL的接口

    基于Node实现可以操作MySQL的接口

    这篇文章主要介绍了用Node写个可以操作MySQL的接口,以前也用Node写过接口,但不涉及数据库操作,而我们发现,后端写接口,基本都绕不开数据库操作,感觉不写一个能操作数据库的接口,就不算真正意义上学会了写接口,那我们今天就学习一下,如何写一个可以操作数据库的接口
    2024-05-05
  • Nest.js 授权验证的方法示例

    Nest.js 授权验证的方法示例

    这篇文章主要介绍了Nest.js 授权验证的方法示例，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
    2021-02-02
  • nodejs简单抓包工具使用详解

    nodejs简单抓包工具使用详解

    这篇文章主要介绍了nodejs简单抓包工具使用详解,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,需要的朋友可以参考下
    2019-08-08
  • NodeJs之word文件生成与解析的实现代码

    NodeJs之word文件生成与解析的实现代码

    这篇文章主要介绍了NodeJs之word文件生成与解析的实现代码，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
    2019-04-04
  • nodejs+socket.io实现p2p消息实时发送的项目实践

    nodejs+socket.io实现p2p消息实时发送的项目实践

    本文主要介绍了nodejs+socket.io实现p2p消息实时发送，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
    2022-06-06
  • node puppeteer(headless chrome)实现网站登录

    node puppeteer(headless chrome)实现网站登录

    这篇文章主要介绍了node puppeteer(headless chrome)实现网站登录，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
    2018-05-05
  • node项目使用http模块发送get-post请求方式

    node项目使用http模块发送get-post请求方式

    这篇文章主要介绍了node项目使用http模块发送get-post请求方式,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
    2024-09-09
  • Node.js上传文件功能之服务端如何获取文件上传进度

    Node.js上传文件功能之服务端如何获取文件上传进度

    这篇文章主要介绍如何利用progress-stream获取文件上传进度，以及该组件使用过程中的注意事项
    2018-02-02
  • Nodejs http模块返回内容中文乱码问题及解决

    Nodejs http模块返回内容中文乱码问题及解决

    这篇文章主要介绍了Nodejs http模块返回内容中文乱码问题及解决方案，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
    2022-12-12
  • Express 配置HTML页面访问的实现

    Express 配置HTML页面访问的实现

    这篇文章主要介绍了Express 配置HTML页面访问的实现，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
    2020-11-11

最新评论