背景:
在此之前,一直使用的python去进行爬虫,爬取一些简单重复的数据。突然在想,使用node如何进行爬虫。在此记录一下。
实现:
1、首先你的电脑必须要有node环境,没有的可以安装一下。网上有很多教程。
2、初始化一个项目,npm init -y
3、安装一些拓展。request用于向指定地址发送请求,cheerio 相当于jquery,可以简化dom操作。
npm install request --save
npm install cheerio --save
以某一个页面为例,我想爬取页面中的歌词。首先复制地址,保存到代码中(let url =xxx)。
然后,按f12键位,打开开发者工具,找到对应想要爬取的数据结构。如下图。
在代码中输入对应的元素类名或者标签名,匹配到对应的元素。
const request = require("request");
const cheerio = require("cheerio");
const copyWords = (url) => {
request(url, function (error, response, body) {
// 如果请求成功且状态码为 200
if (!error && response.statusCode == 200) {
// 使用 cheerio 加载 HTML 文档
const $ = cheerio.load(body);
// 存储获取到的数据
// 获取hotnews下全部的li元素
let keywords = "";
$(".entry-content")
.find("p")
.each(function (index, value) {
//获取Text中内容
let obj = value.children;
for (let i = 0; i < obj.length; i++) {
if (obj[i].type === "text") {
keywords += ',' + obj[i].data;
}
}
console.log(keywords,'keywords');
});
}
});
};
module.exports = { copyWords };
图中代码需要根据个人实际情况做一些修改。 最后调用函数。结果如下。