在node.js中，有了 cheerio 模塊、request 模塊，抓取特定URL頁面的數據已經非常方便。 　　一個簡單的就如下 　　有了基本的流程，現在找個web地址(url)試試。就以博客園的搜索頁為例。 　　 通過搜索關鍵詞 node.js 　　 　　得到 ...

...

打算要寫一個公開課網站，缺少數據，就決定去網易公開課去抓取一些數據。 前一陣子看過一段時間的Node.js，而且Node.js也比較適合做這個事情，就打算用Node.js去抓取數據。 關鍵是抓取到網頁之后如何獲取到想要的數據呢？然后就發現了cheerio，用來解析html非常方便，就像在瀏覽器 ...

抓取目標：就是我自己的博客：http://www.cnblogs.com/ghostwu/ 需要實現的功能： 抓取博客所有的文章標題，超鏈接，文章摘要，發布時間 需要用到的庫： node.js自帶的http庫 第三方庫:cheerio，這個庫就是用來處理dom節點的，他的用法 ...

前言 在學習慕課網視頻和Cnode新手入門接觸到爬蟲，說是爬蟲初探，其實並沒有用到爬蟲相關第三方類庫，主要用了node.js基礎模塊http、網頁分析工具cherrio。 使用http直接獲取url路徑對應網頁資源，然后使用cherrio分析。 這里我主要是把慕課網教學視頻提供的案例 ...

斷更很久了........從今天開始會努力的持續更博，積極學習。 言歸正傳。今天在寫node.js的demo時發現一個bug。我在node中讀取本地的text文件時，發現英文的內容可以被讀取，但是中文的就顯示的是亂碼。如下圖 產生這種問題的原因是： Windows下默認的編碼格式 ...

亂碼原因：因為你的文件聲明為utf-8，並且也應該是用utf-8的編碼保存的源文件。但是windows的本地默認編碼是cp936，也就是gbk編碼，所以在控制台直接打印utf-8的字符串當然是亂碼了。 解決方法：在控制台打印的地方用一個轉碼就ok了，打印的時候這么寫：print ...

Node Crawler的目標是成為最好的node.js爬蟲工具，目前已經停止維護。 我們來抓取光合新知博客tech欄目中的文章信息。訪問http://dev.guanghe.tv/category/tech/，右鍵查看頁面源代碼，可以看到文章信息等內容，如下所示： ...