node爬虫
什么是爬虫呢,是一种按照一定的规则,自动地抓取万维网信息的程序或者脚本。为什么选用node呢,因为我是前端,当然要用js实现。
项目分析
爬取http://top.zhaopin.com 智联网站上的全国的竞争最激烈三个月内前十的岗位。不需要定时爬取。使用request和cheerio模块。node版本7.6.0、npm版本4.1.2
安装
npm install request cheerio -S
复制代码
request 模块是一个简化的HTTP客户端。 cheerio 模块专为服务器设计的核心jQuery的快速,灵活和精益的实现。可以把爬到的内容和jQuery一样使用。
核心代码
// app.js
const request = require('request');
const cheerio = require('cheerio');
// 发起请求
request('http://top.zhaopin.com', (error, response, body) => {
if(error){
console.error(error);
}
let json = {};
// 获取到的内容放到cheerio模块
const $ = cheerio.load(body);
// jQuery 遍历 #hotJobTop .topList li 是通过http://top.zhaopin.com 分析页面结构得到的
$('#hotJobTop .topList li').each(function (index) {
let obj = json[index] = {};
obj.name = $(this).find('.title').text().trim();
obj.num = $(this).find('.paddingR10').text().trim();
});
// 打印数据
console.log(json);
});
复制代码
执行 node app.js 就会得到如下结果。
[ { name: 'Java开发工程师', num: '340538人/天' },
{ name: '软件工程师', num: '220873人/天' },
{ name: '销售代表', num: '175053人/天' },
{ name: '会计/会计师', num: '168225人/天' },
{ name: '行政专员/助理', num: '150913人/天' },
{ name: 'WEB前端开发', num: '140979人/天' },
{ name: '助理/秘书/文员', num: '139098人/天' },
{ name: '软件测试', num: '136399人/天' },
{ name: '人力资源专员/助理', num: '123482人/天' },
{ name: '用户界面(UI)设计', num: '107505人/天' } ]
复制代码
一个简单的爬虫就写好了,看看前十有没有你从事的岗位吧!