在node.js中，有了 cheerio 模块、request 模块，抓取特定URL页面的数据已经非常方便。 　　一个简单的就如下 　　有了基本的流程，现在找个web地址(url)试试。就以博客园的搜索页为例。 　　 通过搜索关键词 node.js 　　 　　得到 ...

...

打算要写一个公开课网站，缺少数据，就决定去网易公开课去抓取一些数据。 前一阵子看过一段时间的Node.js，而且Node.js也比较适合做这个事情，就打算用Node.js去抓取数据。 关键是抓取到网页之后如何获取到想要的数据呢？然后就发现了cheerio，用来解析html非常方便，就像在浏览器 ...

抓取目标：就是我自己的博客：http://www.cnblogs.com/ghostwu/ 需要实现的功能： 抓取博客所有的文章标题，超链接，文章摘要，发布时间 需要用到的库： node.js自带的http库 第三方库:cheerio，这个库就是用来处理dom节点的，他的用法 ...

前言 在学习慕课网视频和Cnode新手入门接触到爬虫，说是爬虫初探，其实并没有用到爬虫相关第三方类库，主要用了node.js基础模块http、网页分析工具cherrio。 使用http直接获取url路径对应网页资源，然后使用cherrio分析。 这里我主要是把慕课网教学视频提供的案例 ...

断更很久了........从今天开始会努力的持续更博，积极学习。 言归正传。今天在写node.js的demo时发现一个bug。我在node中读取本地的text文件时，发现英文的内容可以被读取，但是中文的就显示的是乱码。如下图 产生这种问题的原因是： Windows下默认的编码格式 ...

乱码原因：因为你的文件声明为utf-8，并且也应该是用utf-8的编码保存的源文件。但是windows的本地默认编码是cp936，也就是gbk编码，所以在控制台直接打印utf-8的字符串当然是乱码了。 解决方法：在控制台打印的地方用一个转码就ok了，打印的时候这么写：print ...

Node Crawler的目标是成为最好的node.js爬虫工具，目前已经停止维护。 我们来抓取光合新知博客tech栏目中的文章信息。访问http://dev.guanghe.tv/category/tech/，右键查看页面源代码，可以看到文章信息等内容，如下所示： ...