Nodejs實現爬蟲抓取數據

開始之前請先確保自己安裝了Node.js環境，還沒有安裝的的童鞋請自行百度安裝教程......

1.在項目文件夾安裝兩個必須的依賴包

npm install superagent --save-dev

　　superagent 是一個輕量的,漸進式的ajax api,可讀性好,學習曲線低,內部依賴nodejs原生的請求api,適用於nodejs環境下

npm install cheerio --save-dev

　　cheerio是nodejs的抓取頁面模塊，為服務器特別定制的，快速、靈活、實施的jQuery核心實現。適合各種Web爬蟲程序。相當於node.js中的jQuery

2.新建  crawler.js  文件

//導入依賴包
const http       = require("http");
const path       = require("path");
const url        = require("url");
const fs         = require("fs");
 
const superagent = require("superagent");
const cheerio    = require("cheerio");

3.獲取 Boos直聘數據

superagent
    .get("https://www.zhipin.com/job_detail/?city=100010000&source=10&query=%E5%89%8D%E7%AB%AF")
    .end((error,response)=>{
        //獲取頁面文檔數據
        var content = response.text;
        //cheerio也就是nodejs下的jQuery  將整個文檔包裝成一個集合，定義一個變量$接收
        var $ = cheerio.load(content);
        //定義一個空數組，用來接收數據
        var result=[];
        //分析文檔結構  先獲取每個li 再遍歷里面的內容(此時每個li里面就存放着我們想要獲取的數據)
        $(".job-list li .job-primary").each((index,value)=>{
            //地址和類型為一行顯示，需要用到字符串截取
            //地址
            let address=$(value).find(".info-primary").children().eq(1).html();
            //類型
            let type=$(value).find(".info-company p").html();
            //解碼
            address=unescape(address.replace(/&#x/g,'%u').replace(/;/g,''));
            type=unescape(type.replace(/&#x/g,'%u').replace(/;/g,''))
            //字符串截取
            let addressArr=address.split('<em class="vline"></em>');
            let typeArr=type.split('<em class="vline"></em>');
            //將獲取的數據以對象的形式添加到數組中
            result.push({
                title:$(value).find(".name .job-title").text(),
                money:$(value).find(".name .red").text(),
                address:addressArr,
                company:$(value).find(".info-company a").text(),
                type:typeArr,
                position:$(value).find(".info-publis .name").text(),
                txImg:$(value).find(".info-publis img").attr("src"),
                time:$(value).find(".info-publis p").text()
            });
            // console.log(typeof $(value).find(".info-primary").children().eq(1).html());
        });
        //將數組轉換成字符串
        result=JSON.stringify(result);
        //將數組輸出到json文件里  刷新目錄 即可看到當前文件夾多出一個boss.json文件(打開boss.json文件，ctrl+A全選之后 ctrl+K，再Ctrl+F即可將json文件自動排版)
        fs.writeFile("boss.json",result,"utf-8",(error)=>{
            //監聽錯誤，如正常輸出，則打印null
            if(error==null){
                console.log("恭喜您，數據爬取成功!請打開json文件，先Ctrl+A，再Ctrl+K,最后Ctrl+F格式化后查看json文件(僅限Visual Studio Code編輯器)");
            }
        });
    });　　

 

跟着狗尾草走完這篇nodejs爬蟲相信大家又get了 一個新技能，狗尾草和大家一起加油，一起努力!

鳴謝：Mrs.Zhang

轉載至：https://blog.csdn.net/twodogya/article/details/80204322