轻松上手nodeJs爬取想要页面的数据

开始之前请先确保自己安装了Node.js环境!!!!!!!!

1.在项目文件夹安装两个必须的依赖包

1 npm install superagent -S

SuperAgent(官网是这样解释的)

-----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 是一个轻量的,渐进式的ajax api,可读性好,学习曲线低,内部依赖nodejs原生的请求api,适用于nodejs环境下

 

npm install cheerio -S

 

2.Cheerio

-----cheerio是nodejs的抓取页面模块,为服务器特别定制的,快速、灵活、实施的jQuery核心实现。适合各种Web爬虫程序。相当于node.js中的jQuery

3.新建 crawler.js 文件

在里面输入  

 1 //导入依赖包 
2 const http = require("http");
3
const path = require("path"); 4 const url = require("url"); 5 const fs = require("fs"); 7 const superagent = require("superagent"); 8 const cheerio = require("cheerio"); 11 superagent 12 .get("https://www.zhipin.com/job_detail/?city=100010000&source=10&query=%E5%89%8D%E7%AB%AF")
13 .end((error, response) => { 14 //获取页面文档数据 15 var content = response.text; 16 //cheerio也就是nodejs下的jQuery 将整个文档包装成一个集合,定义一个变量$接收 17 var $ = cheerio.load(content); 18 //定义一个空数组,用来接收数据 19 var result = []; 20 //分析文档结构 先获取每个li 再遍历里面的内容(此时每个li里面就存放着我们想要获取的数据) 21 $(".job-list li .job-primary").each((index, value) => { 22 //地址和类型为一行显示,需要用到字符串截取 23 //地址 24 let address = $(value).find(".info-primary").children().eq(1).html(); 25 //类型 26 let type = $(value).find(".info-company p").html(); 27 //解码 28 address = unescape(address.replace(/&#x/g, '%u').replace(/;/g, '')); 29 type = unescape(type.replace(/&#x/g, '%u').replace(/;/g, '')) 30 //字符串截取 31 let addressArr = address.split(''); 32 let typeArr = type.split(''); 33 //将获取的数据以对象的形式添加到数组中 34 result.push({ 35 title: $(value).find(".name .job-title").text(), 36 money: $(value).find(".name .red").text(), 37 address: addressArr, 38 company: $(value).find(".info-company a").text(), 39 type: typeArr, 40 position: $(value).find(".info-publis .name").text(), 41 txImg: $(value).find(".info-publis img").attr("src"), 42 time: $(value).find(".info-publis p").text() 43 }); 44 // console.log(typeof $(value).find(".info-primary").children().eq(1).html()); 45 }); 46 //将数组转换成字符串 47 result = JSON.stringify(result); 48 //将数组输出到json文件里 刷新目录 即可看到当前文件夹多出一个boss.json文件(打开boss.json文件,ctrl+A全选之后 ctrl+K,再Ctrl+F即可将json文件自动排版) 49 fs.writeFile("boss.json", result, "utf-8", (error) => { 50 //监听错误,如正常输出,则打印null 51 if (error == null) { 52 console.log("恭喜您,数据爬取成功!请打开json文件,先Ctrl+A,再Ctrl+K,最后Ctrl+F格式化后查看json文件(仅限Visual Studio Code编辑器)"); 53 } 54 }); 55 });

 

 

 

4.更改数据(如果是静态页面上面的操作基本上就已经完成了 直接node .\cralwer.js,但是现实中很多都不是)

 1.在游览器中输入想要爬取的地址

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

 2.进入控制台选中body copy element

   轻松上手nodeJs爬取想要页面的数据_第1张图片

 

  

 

 3.在编辑器中粘贴即可

 

 

 

  

 

 

  5.在服务器环境下运行这个网页

 

  轻松上手nodeJs爬取想要页面的数据_第2张图片

 

 

 

  7.复制这个地址栏地址

    然后粘贴在文件 cralwer.js .get()中

    8. 在终端中运行

     node .\cralwer.js

 

  最后 本文借鉴于https: //blog.csdn.net/twodogya/article/details/80204322

  

  

 

你可能感兴趣的