node爬蟲的幾種簡易實現方式


  說到爬蟲大家可能會覺得很NB的東西,可以爬小電影,羞羞圖,沒錯就是這樣的。在node爬蟲方面,我也是個新人,這篇文章主要是給大家分享幾種實現node

爬蟲的方式。第一種方式,采用node,js中的 superagent+request + cheerio。cheerio是必須的,它相當於node版的jQuery,用過jQuery的同學會非常容易上手。它

主要是用來獲取抓取到的頁面元素和其中的數據信息。superagent是node里一個非常方便的、輕量的、漸進式的第三方客戶端請求代理模塊,用他來請求目標頁面。

node中,http模塊也可作為客戶端使用(發送請求),第三方模塊request對其使用方法進行了封裝,操作更方便。以下是三者的引入方法:

  接下來我們開始請求要爬取的目標頁面。申明目標頁面比如新浪網首頁:

  

  如新浪首頁部分代碼


  

 

通過superagent請求目標網站,獲取到網站內容,通過cheerio.load方法引入要解析的html
cheerio中的有關DOM操作的方式

此處采用  .each(function(index,element){...})方式遍歷需要的元素

 

 返回結果如下:

若要將文字內容存儲可采用以下方式:

引入fs模塊 const fs= require("fs")

引入path模塊 const path=require("path")

Node.js 內置的fs模塊就是文件系統模塊,負責讀寫文件。和所有其他JS模塊不同的是,fs模塊同時提供了異步和同步的方法。

在上述方法中調用存儲文字內容mkdirs方法

//存放數據
mkdirs('./content2',saveContent); (注: content2是新建文件名;saveContent是回調函數)

文字內容最終將存儲在content2中的content.txt文件中

 

若想存儲圖片可采用以下方式:

第二種方式: 使用Nightmare自動化測試工具。

這里介紹一下nightmare工具的用途:

Electron可以讓你使用純JavaScript調用Chrome豐富的原生的接口來創造桌面應用。你可以把它看作一個專注於桌面應用的Node.js的變體,而不是Web服務器。

其基於瀏覽器的應用方式可以極方便的做各種響應式的交互

Nightmare是一個基於Electron的框架,針對Web自動化測試和爬蟲,因為其具有跟PlantomJS一樣的自動化測試的功能可以在頁面上模擬用戶的行為觸發一些異步數據加載,

也可以跟Request庫一樣直接訪問URL來抓取數據,並且可以設置頁面的延遲時間,所以無論是手動觸發腳本還是行為觸發腳本都是輕而易舉的。

const Nightmare=require("nightmare")  //自動化測試包 ,處理動態頁面
const nightmare=Nightmare({show: true})   show:true時,運行node可以顯示內置模擬瀏覽器

  運行結束后,會在image2中存儲下載的圖片。

  好了,文章就到這里了,有什么問題歡迎小伙伴指正。

 

 

 

 

 

 

 

 

 

 

  

 


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM