基于node下的http小爬虫的示例代码

2023-09-18 01:20:06 166

每时每刻不管你睡了还是没睡，互联网都会有海量的数据来来往往，有客服端到服务端，有服务端到服务端。http的get和request完成的角色即为数据的获取及提交,接下来我们动手写一个简单的小爬虫来爬爬菜鸟教程中关于node的章节的课程界面。

爬取Node.js教程首页的所有数据

建立node-http.js,其中代码如下，代码中有详细的的注释，自行理解了哈

varhttp=require('http');//获取http模块
varurl='http://www.runoob.com/nodejs/nodejs-tutorial.html';//定义node官网地址变量

http.get(url,function(res){
varhtml='';

//这里将会触发data事件，不断触发不断跟新html直至完毕
res.on('data',function(data){
html+=data
})

//当数据获取完成将会触发end事件，这里将会打印初node官网的html
res.on('end',function(){
console.log(html)
})
}).on('error',function(){
console.log('获取node官网相关数据出错')
})

终端执行结果中发现这个页面的html全部被爬下来了

G:\node\node-http>nodenode-http.js






Node.js教程|菜鸟教程








。。。。。。。。。。
这里只展示部分不然你半天看不到头

当然爬个HTML对于我们来说没啥用，现在我们要做些过滤，比如这个node教程中我想知道课程目录有哪些，这样可以选择感兴趣的去看看学学。直接上代码吧还是：

不过在此之前我们需要下载cheerio模块（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。）具体详细介绍你们可以自行去搜索了解，cheerio的用跟jquery的用法非常类似，所以不用担心上手繁琐。

PSG:\node\node-http>npminstallcheerio

建立node-http-more.js,其中代码如下：

varhttp=require('http');//获取http模块
varcheerio=require('cheerio');//引入cheerio模块
varurl='http://www.runoob.com/nodejs/nodejs-tutorial.html';//定义node官网地址变量
//filernodechapter
functionfilerNodeChapter(html){
//将爬取得HTML装载起来
var$=cheerio.load(html);
//拿到左侧边栏的每个目录
varnodeChapter=$('#leftcolumna');
//这里我希望我能获取的到的最终数据格式这个样子的,如此我们能知道每个目录的地址及标题
/**
*[{id:,title:}]
*/
varchapterData=[];
nodeChapter.each(function(item){
//获取每项的地址及标题
varid=$(this).attr('href');
vartitle=$(this).text();
chapterData.push({
id:id,
title:title
})
})

returnchapterData;

}

//获取每个数据
functiongetChapterData(nodeChapter){
nodeChapter.forEach(function(item){
console.log('【'+item.id+'】'+item.title+'\n')
});
}

http.get(url,function(res){
varhtml='';

//这里将会触发data事件，不断触发不断跟新html直至完毕
res.on('data',function(data){
html+=data
})

//当数据获取完成将会触发end事件，这里将会打印初node官网的html
res.on('end',function(){
//console.log(html)
//过滤出node.js的课程目录
varnodeChapter=filerNodeChapter(html);

//循环打印所获取的数据
getChapterData(nodeChapter)
})
}).on('error',function(){
console.log('获取node官网相关数据出错')
})

终端执行结果及打印出课程目录

G:\node\node-http>nodenode-http-more.js
【/nodejs/nodejs-tutorial.html】
Node.js教程

【/nodejs/nodejs-install-setup.html】
Node.js安装配置

【/nodejs/nodejs-http-server.html】
Node.js创建第一个应用

【nodejs-npm.html】NPM使用介绍

【nodejs-repl.html】Node.jsREPL

【nodejs-callback.html】Node.js回调函数

【nodejs-event-loop.html】Node.js事件循环

【nodejs-event.html】Node.jsEventEmitter

【nodejs-buffer.html】Node.jsBuffer

【nodejs-stream.html】Node.jsStream

【/nodejs/nodejs-module-system.html】
Node.js模块系统
。。。。。。。。。。。
这里就不全部给出，你可以自己尝试着运行操作查看所有结果

到此一个简单的爬虫就写完了，赶紧自己动手试试吧，希望对大家的学习有所帮助，也希望大家多多支持毛票票。

基于node下的http小爬虫的示例代码

热门推荐

随机推荐