相关链接汇总:
Node.js网站爬虫(一)项目简介与完成情况
Node.js网站爬虫(二)mysql配置与数据库设计
Node.js网站爬虫(三)网络爬虫
Node.js网站爬虫(四)Express框架构建网站执行搜索功能
Node.js网站爬虫(五)扩展:热点词时间热度动态可视化展示
Node.js网站爬虫(六)易错点合集和感想
1 项目要求
•新闻爬虫及爬取结果的查询网站
•核心需求:
•1、选取3-5个代表性的新闻网站(比如新浪新闻、网易新闻等,或者某个垂直领域权威性的网站比如经济领域的雪球财经、东方财富等,或者体育领域的腾讯体育、虎扑体育等等)建立爬虫,针对不同网站的新闻页面进行分析,爬取出编码、标题、作者、时间、关键词、摘要、内容、来源等结构化信息,存储在数据库中。
•2、建立网站提供对爬取内容的分项全文搜索,给出所查关键词的时间热度分析。
•技术要求:
•1、必须采用Node.JS实现网络爬虫
•2、必须采用Node.JS实现查询网站后端,HTML+JS实现前端(尽量不要使用任何前后端框架)
2 完成情况
2.1 实现功能
构建网站使用架构:Express
(1)✅三个网站的网络爬虫(可定时执行):环球新闻网、澎湃新闻网、东方财富网。
(2)✅网站搜索功能:根据标题(Title)或内容(Content)进行搜索,并通过表格展示结果。
(3)✅时间热度分析:统计出所查关键词不同日期出现在标题(Title)或内容(Content)的次数,并通过表格展示结果。
(4)✅数据分析:动态可视化展示:根据最近热点新闻,动态显示“五一”,“出行”,“数字货币”三个关键词热度的变化情况。
动图演示:
(1)🐛爬虫:
(2)🔍搜索(以Title为例):
动态demo:
静态图:
(3)⏳时间热度统计(以Title为例)
动态demo:
静态图:
(4)📊时间热度分析:
动态demo:
静态图:
2.2 实现流程
(1)将老师给的示例代码和中国新闻网结合分析,理解每部分代码的功能。
(2)分析目标网站,修改爬虫代码,实现网络爬虫并得到数据。
(3)将数据存储在mysql中。
(4)Express架构构建网站实现搜索功能,以表格形式返回。
(5)实现时间热度分析功能,以表格形式返回。
(6)完成时间热度分析的扩展功能:对新闻热点词进行动态可视化展示。