之前在学习的node.js的时候跟随教学视频编写了一个利用cheerio实现的小爬虫程序,然而一直卡在cheerio的安装问题上运行无结果,今天终于给改出来了,写篇博客记录下自己犯蠢的过程,希望未来再接再厉。
(1)首先是node.js 和 git bash的安装,这个已经在上一篇博客里面说过了,这里不再重复;
(2)然后是cheerio插件的安装:
a) 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。
b) cheerio的安装方法:
- git bash 当前操作目录为项目所在文件目录下;
- 执行安装指令之前需要先初始化,初始化的指令为: $ npm init -f
- 执行初始化指令之后会生成 package.json,检查package.json 文件中的内容是否缺少 repository、description等内容,否则的话等下安装还是会 warn;
- 执行指令:$ npm install cheerio ,安装cheerio插件;
- 运行指令:node--> require('cheerio') 查看返回结果用于检查cheerio是否安装正确;
c)图示:
(3)接下来放上小爬虫程序的源码,基本跟jQuery的语法无差别:
a) 简单源码:
var http = require('http');
var url = "http://www.imooc.com/learn/348";
http.get(url, function(res){
var html = "";
res.on('data', function(data){
html += data;
});
res.on('end', function () {
console.log(html);
})
}).on('error', function () {
console.log('获取课程信息出错!')
})
b) 升级版源码:
var http = require('http');
var cheerio = require('cheerio');
var url = "http://www.imooc.com/learn/348";
function filterChapters(html){
var $ = cheerio.load(html);
var chapters = $('.chapter ');
var courseData = [];
chapters.each(function(item){
var chapter = $(this);
var chapterTitle = chapter.find('strong').text();
var videos = chapter.find('.video').children('li');
var chapterData = {
chapterTitle: chapterTitle.trim(),
videos: []
}
videos.each(function(item){
var video = $(this).find('.J-media-item');
var videoTitle = video.text();
var id = video.attr('href').split('video/')[1];
chapterData.videos.push({
id: id,
title: videoTitle.trim()
});
})
courseData.push(chapterData);
})
return courseData;
}
function printCourseInfo(courseData) {
courseData.forEach(function(item){
var chapterTitle = item.chapterTitle;
console.log(chapterTitle+'\n');
item.videos.forEach(function(video){
console.log(' 【'+ video.id +'】 '+ video.title);
})
})
}
http.get(url, function(res){
var html = "";
res.on('data', function(data){
html += data;
});
res.on('end', function () {
var courseData = filterChapters(html);
printCourseInfo(courseData);
})
}).on('error', function () {
console.log('获取课程信息出错!')
})
最后感叹一句,学知识真的太特么不容易了,找bug找的心都碎了( ̄へ ̄),以后还是要多读书多看报多跟友人打交道~
依旧附上我参考过的博客一篇:http://www.cnblogs.com/CraryPrimitiveMan/p/3674421.html