輕松上手nodeJs爬取想要頁面的數據

開始之前請先確保自己安裝了Node.js環境！！！！！！！！

1.在項目文件夾安裝兩個必須的依賴包

npm install superagent -S

SuperAgent(官網是這樣解釋的)

-----SuperAgent is light-weight progressive ajax API crafted for flexibility, readability, and a low learning curve after being frustrated with many of the existing request APIs. It also works with Node.js!

-----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 -S

 

2.Cheerio

-----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

3.新建 crawler.js 文件

在里面輸入　　

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

 

 

 

4.更改數據(如果是靜態頁面上面的操作基本上就已經完成了 直接node .\cralwer.js，但是現實中很多都不是)

　1.在游覽器中輸入想要爬取的地址

　　例如：https://www.zhipin.com/job_detail/?city=100010000&source=10&query=%E5%89%8D%E7%AB%AF

　2.進入控制台選中body copy element

　　 

 

 　

 

　3.在編輯器中粘貼即可

 

 

 

　　

 

 

 　5.在服務器環境下運行這個網頁

 

　　

 

 

 

　　7.復制這個地址欄地址

　　　　然后粘貼在文件 cralwer.js .get()中

　　  8. 在終端中運行

　　　　 node .\cralwer.js

　

　　最后 本文借鑒於https: //blog.csdn.net/twodogya/article/details/80204322