node实现的爬虫功能示例

 更新时间:2018年05月04日 12:08:05   作者:Wayne-Zhu  
这篇文章主要介绍了node实现的爬虫功能,结合实例形式分析了nodejs实现爬虫功能的步骤与相关操作技巧,需要的朋友可以参考下

本文实例讲述了node实现的爬虫功能。分享给大家供大家参考,具体如下:

node是服务器端的语言,所以可以像python一样对网站进行爬取,下面就使用node对博客园进行爬取,得到其中所有的章节信息。

第一步: 建立crawl文件,然后npm init。

第二步: 建立crawl.js文件,一个简单的爬取整个页面的代码如下所示:

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("获取课程结果错误!");
});

即引入http模块,然后利用http对象的get请求,即一旦运行,相当于node服务器端发送了一个get请求请求这个页面,然后通过res返回,其中on绑定data事件用来不断地接受数据,最后end时我们就在后台打印出来。

这只是整个页面的一部分,我们可以在此页面审查元素,发现确实是一样的

我们只需要将其中的章节title和每一小节的信息爬到即可。

第三步: 引入cheerio模块,如下:(在gitbash中安装即可,cmd总是出问题)

cnpm install cheerio --save-dev

这个模块的引入,就是为了方便我们操作dom,就像jQuery一样。

第四步: 操作dom,获取有用信息。

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("文章题目 " + 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("爬取博客园首页失败")
});

即上面的过程就是在爬取博客的题目和作者。

最终后台输出如下:

这和博客园首页的内容是一致的:

希望本文所述对大家nodejs程序设计有所帮助。

相关文章

  • node命令行工具之实现项目工程自动初始化的标准流程

    node命令行工具之实现项目工程自动初始化的标准流程

    这篇文章主要介绍了node命令行工具之实现项目工程自动初始化的标准流程 ,本文分步骤给大家介绍的非常详细,具有一定的参考借鉴价值,需要的朋友可以参考下
    2019-08-08
  • 解决linux下node.js全局模块找不到的问题

    解决linux下node.js全局模块找不到的问题

    今天小编就为大家分享一篇解决linux下node.js全局模块找不到的问题,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2018-05-05
  • ubuntu下安装nodejs以及升级的办法

    ubuntu下安装nodejs以及升级的办法

    本文介绍了ubuntu 12.04服务器安装nodejs以及升级的方法,ubuntu安装nodejs以及升级的实例教程,需要的朋友参考下。
    2015-05-05
  • Nodejs中 npm常用命令详解

    Nodejs中 npm常用命令详解

    npm是一个node包管理和分发工具,已经成为了非官方的发布node模块(包)的标准。接下来通过本文给大家介绍nodejs中 npm常用命令
    2016-07-07
  • node命令以及切换node版本详细步骤

    node命令以及切换node版本详细步骤

    这篇文章主要给大家介绍了关于node命令以及切换node版本的相关资料,在使用node命令切换node版本时可以使用nvm(Node Version Manager)工具来管理不同版本的node,文中通过代码介绍的非常详细,需要的朋友可以参考下
    2023-12-12
  • 浅谈如何通过node.js对数据进行MD5加密

    浅谈如何通过node.js对数据进行MD5加密

    本篇文章将主要针对于在NODE.JS中如何对数据进行MD5加密,MD5是一种常用的哈希算法,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.js Addons翻译(C/C++扩展)

    Node.js Addons翻译(C/C++扩展)

    这篇文章主要介绍了Node.js Addons翻译(C/C++扩展) 的相关资料,非常不错具有参考借鉴价值,需要的朋友可以参考下
    2016-06-06
  • 详解Wondows下Node.js使用MongoDB的环境配置

    详解Wondows下Node.js使用MongoDB的环境配置

    这篇文章主要介绍了详解Wondows下Node.js使用MongoDB的环境配置,这里使用到了Mongoose驱动来让JavaScript操作MongoDB,需要的朋友可以参考下
    2016-03-03
  • 浅析Nodejs npm常用命令

    浅析Nodejs npm常用命令

    这篇文章主要介绍了浅析Nodejs npm常用命令的相关资料,非常不错,具有参考借鉴价值,需要的朋友可以参考下
    2016-06-06
  • 一文带你了解Node.js进程管理工具PM2

    一文带你了解Node.js进程管理工具PM2

    Node.js进程管理工具PM2是一个开源的工具,用于管理和监控Node.js应用程序的运行,它可以帮助您方便地启动、停止、重启和监视多个Node.js进程,并提供了许多有用的功能,所以本文就和大家一起了解一下PM2,需要的朋友可以参考下
    2023-07-07

最新评论