JS控制台爬虫

const GetPageUrl = () => {
    return new Array(50).fill('').map((_, i) => {
        if (i === 0) {
            return 'http://www.scjc.gov.cn/scjc/scdc/scdc.shtml'
        }
        return `http://www.scjc.gov.cn/scjc/scdc/scdc_${i + 1}.shtml`
    })
}
const GetDocument = (url) => {
    return new Promise((r) => {
        let iframeEl = document.createElement('iframe')
        iframeEl.src = url
        iframeEl.sandbox = 'allow-same-origin'
        iframeEl.onload = () => {
            if (iframeEl.contentDocument) {
                r({ document: iframeEl.contentDocument,iframeEl:iframeEl })
            }else{
                r(null)
            }
        }
        document.body.appendChild(iframeEl)
    })
}
const GettitleAndHref = (document) => {
    let arrInfo = Array.from(document.querySelectorAll('.data-list > h4 a'))
    let arr =arrInfo.map((info)=>({
        title : info.innerText,
        href : info.href
    }))
    let arrTime = Array.from(document.querySelectorAll('.data-list  .right'))
    arr = arr.map((info,index)=>({
        ...info,
        PublishTime:arrTime[index].innerText
    }))
    return arr
}
const getContentAndTime = async(href) => {
    let tarDocument = await GetDocument(href)
    let tarDoc = tarDocument.document
    let content = tarDoc.querySelector('.cont > .info').innerText.trim()
    document.body.removeChild(tarDocument.iframeEl)
    return content
}
const getAllInfo = async (arr) => {
    let contentArr = await Promise.all(arr.map(({href})=>getContentAndTime(href)))
    arr = arr.map((info,index)=>({
        ...info,
        content:contentArr[index],
    }))
    return arr
}
const downloadToLocal = (data) => {
    const aEle = document.createElement("a");
    aEle.href = URL.createObjectURL(new Blob([JSON.stringify(data)]));
    aEle.download = "ygz.cq.gov.cn.json";
    document.body.appendChild(aEle);
    aEle.click();
};
const GetAllData = async () => {
    let allInfoArr=[]
    let UrlArr = GetPageUrl()
    for (let i = 0; i < UrlArr.length; i++) {
        let PagePost = await GetDocument(UrlArr[i])
        let titleAndHrefArr = GettitleAndHref(PagePost.document)
        allInfoArr.push(...await getAllInfo(titleAndHrefArr))
        document.body.removeChild(PagePost.iframeEl)
    }
return allInfoArr
}
GetAllData().then(r=>{
    console.log('抓取完毕')
    downloadToLocal(r)
})

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值