// 这里是为了根据关键词查询,如果标题有我们设置的关键词,再把链接放到数组中
if(title.indexOf(keyWord)>=0){
var search=$(this).children().first().attr(‘href’);
let nextLink = “https://www.nowcoder.com” + search;
urlList.push(nextLink);
}
})
接下来就是页面里面的实际内容,也很容易分析
即类名为 post-topic-des
下的文本
至此页面分析工作做完,接下来就是使用 nodejieba 模块来分词
分词生成词云
关于 nodejieba 的用法可以参考这篇文章 使用 Node.js 对文本内容分词和关键词抽取
由于 const result = nodejieba.extract(data, 40);
得到的结果是对象,所以写入文件之前需要将其转换为 JSON 字符串,用 JSON.stringify(result)
。然后对字符串进行处理
代码如下
function wordCluod(){
fs.readFile(‘./data/word.txt’, ‘utf8’, function(err, data){
nodejieba.load({
userDict: ‘./user.utf8’,
});
const result = nodejieba.extract(data, 20);
let text = “”;
for(let i in result){
text += text[i].word + " " + Math.ceil(text[i].weight) + “\n”;
}
fs.writeFile(‘./data/’+‘wordCloud’+‘.txt’,text, ‘utf-8’, function (err) {
if (err) {
console.log(err);
}
});
});
}
但是这样有一个问题,因为他是根据词频选取的,所以有一些没用的词比如面试官,一面等词语就会混入到我们的词中,所以我们需要将有用的信息过滤出来
const tagList = [‘原型’, ‘闭包’, ‘HTTP’, ‘CORP’, ‘TCP’, ‘https’,‘跨域’,‘XSS’,‘安全’,‘事件’,‘VUE’,‘CSS’,‘算法’,‘线程’,‘NODE’];
let textNo = JSON.stringify(result.filter(item => tagList.indexOf(item.word.toUpperCase()) >= 0));
生成数据如下
和我想象的还是有些差距的,可能程序并不是太完善,然后就可以把数据导入到任何一个在线词云里面了
完整代码
const https=require(‘https’);
const fs=require(‘fs’);
const request=require(‘request’);
const async=require(‘async’);
const cheerio = require(‘cheerio’);
const nodejieba = require(‘nodejieba’);
const startPage =0;//开始页
const endPage = 4;//结束页
const keyWord = “”;//关键词
const keyWord2 = “前端”;
let page=startPage;
let i=0;
//初始url
const url={
hostname: ‘www.nowcoder.com’,
path: ‘/discuss?type=2&order=’ + startPage,
headers: {
‘Content-Type’: ‘text/html’,
‘User-Agent’: ‘Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/46.0.2490.86 Safari/537.36’,
}
}
let urlList=[];//存储图片页面地址
//获取图片所在页面
function getUrl(url){
//采用http模块向服务器发起一次get请求
https.get(url,function(res){
var html=‘’;
//res.setEncoding(‘binary’);
//监听data事件,每次取一块数据
res.on(‘data’,function(chunk){
html+=chunk;
});
res.on(‘end’,function(){
var $ = cheerio.load(html); //采用cheerio模块解析html
$(‘li .discuss-main.clearfix’).each(function(){
var title=$(this).children().first().text();
if(title.indexOf(keyWord2)>=0){
var search=$(this).children().first().attr(‘href’);
//console.log(search);
let nextLink = “https://www.nowcoder.com” + search;
urlList.push(nextLink);
}
})
page++;
if(page<=endPage){
let tempUrl=‘https://www.nowcoder.com/discuss?type=2&order=’ + page;
getUrl(tempUrl);
}else{
fetchPage();
}
})
}).on(‘err’,function(err){
console.log(err);
})
}
function fetchPage(){
//异步控制并发
async.mapLimit(urlList,5,function(url,callback){
https.get(url,function(res){
//console.log(url);
let html=‘’;
//res.setEncoding(‘binary’);
res.on(‘data’,function(chunk){
html+=chunk;
})
res.on(‘end’,function(){
//console.log(html);
var $ = cheerio.load(html); //采用cheerio模块解析html
var content = $(‘.post-topic-des’).text().trim();
//console.log(content);
appendText(content);
})
}).on(‘err’,function(err){
console.log(err);
});
callback(null,‘成功’);
},
function(err,result){
if (err){
console.log(err)
}
else{
console.log(‘结束’);
wordCluod();
}
})
}
function appendText(text){
fs.appendFile(‘./data/word.txt’, text, ‘utf-8’, function (err) {
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数前端工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Web前端开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且会持续更新!
如果你觉得这些内容对你有帮助,可以扫码获取!!(备注:前端)
更多面试题
**《350页前端校招面试题精编解析大全》**内容大纲主要包括 HTML,CSS,前端基础,前端核心,前端进阶,移动端开发,计算机基础,算法与数据结构,项目,职业发展等等
如果你觉得这些内容对你有帮助,可以扫码获取!!(备注:前端)**
更多面试题
**《350页前端校招面试题精编解析大全》**内容大纲主要包括 HTML,CSS,前端基础,前端核心,前端进阶,移动端开发,计算机基础,算法与数据结构,项目,职业发展等等
[外链图片转存中…(img-1UyftYQu-1712196277294)]