专栏首页编程微刊用node.js从零开始去写一个简单的爬虫

用node.js从零开始去写一个简单的爬虫

如果你不会Python语言,正好又是一个node.js小白,看完这篇文章之后,一定会觉得受益匪浅,感受到自己又新get到了一门技能,如何用node.js从零开始去写一个简单的爬虫,十分钟时间就能搞定,步骤其实很简单。node的安装就不一步步的解释了,如果不会可以自行百度。在node开大环境下开始第一步:

1:在d盘新建一个文件夹WebSpider

图片.png

2:cmd右键以管理员模式打开,进入d盘,cd 进入刚刚创建的文件夹里面 cd WebSpider

图片.png

3:mkdir FirstSpider (创建一个FirstSpider文件夹)

图片.png

创建FirstSpider文件夹之后的目录

图片.png

4:进入刚刚创建的文件夹里面 cd FirstSpider

图片.png

5: npm init (初始化工程)

此时需要填写一些项目信息,你可以根据情况填写,当然也可以一路回车。

图片.png

创建完项目后,会生成一个package.json的文件。该文件包含了项目的基本信息。

图片.png

图片.png

6:安装第三方包(后面程序会直接调用包的模块)

说明:由于http模块、fs模块都是内置的包,因此不需要额外添加。

这里安装cheerio包,和request包。request 用于发起http请求 cheerio 用于将下载下来的dom进行分析和提取 你可以把它当做jQuery来用

在cmd中,cd进入cd FirstSpider文件夹,然后执行命令: npm install cheerio –save

图片.png

安装完cheerio包后,继续安装request包, npm install request –save

图片.png

说明:npm(nodejs package manager),nodejs包管理器; –save的目的是将项目对该包的依赖写入到package.json文件中。

如果想要将爬取的数据和图片分类放好,那就事先建立一个data和image文件夹准备着。 在FirstSpider文件夹下新建

创建子文件夹data(用于存放所抓取的新闻文本内容)
创建子文件夹image(用于存放所抓取的图片资源)
创建一个first_spider文件

整个项目的目录结构如下图所示:

图片.png

7:重点内容,打开first_spider,并一行一行的敲代码,如果你不想写代码的话,去网站上找一些代码过来进行测试即可。

var request = require('request')
var cheerio = require('cheerio')
for(var i = 1;i<4;i++){
  request('http://www.souweixin.com/personal?t=41&p='+i,function(error,response,body){
    if(!error && response.statusCode == 200){
      $ = cheerio.load(body)
      var links = [];
        $(".boldBorder > a").each(function(i,item){
          links.push($(this).attr("href"))
        })
      for(var i=0;i<links.length;i++){
        request('http://www.souweixin.com'+links[i],function(error,response,body){
          if(!error && response.statusCode == 200){
            $ = cheerio.load(body)
            console.log('weixin: '+$('.bold').text()+'   name: '+$('h1').text()+'   desc: '+$('.f18').text());
          }
        })
      }
    }
  })
}

8:运行程序,命令很简单哦 在cmd命令行下,cd 到你创建工程文件夹FirstSpider下,然后 node first_spider.js 程序就跑起来了。

图片.png

9:注意:如果这个时候遇见这样的bug

图片.png

80端口被占用,这里额外的提一下: 解决端口被占用的问题:https://www.jianshu.com/p/a7fc19b0c2f1

找到这些端口,一个个关闭即可

图片.png

原文作者:祈澈姑娘 技术博客:https://www.jianshu.com/u/05f416aefbe1 90后前端妹子,爱编程,爱运营,爱折腾。 坚持总结工作中遇到的技术问题,坚持记录工作中所所思所见.

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 小程序踩坑记- tabBar.list[3].selectedIconPath 大小超过 40kb

    王小婷
  • 微信小游戏跳一跳外挂教程(安卓版)

    王小婷
  • 如何给小程序页面加载一张背景图片

    王小婷
  • python with

    import contextlib @contextlib.contextmanager

    用户5760343
  • springboot项目打包&ngrok的使用

    接触spring boot有一段时间了,但是一直未打包部署过spring boot项目,因为其内置tomcat,所以打包部署方式有所不同。还有ngrok,是一个...

    贪挽懒月
  • Mac下批量修改图片尺寸

    细心看,可以发现小写的“z”,变成了大写,要想保留图片原始比例就得这样做,比如你有一张宽度为900的图片,想规定长和宽最低像素值为500并保留比例,那么就可以执...

    Inkedus
  • 总体介绍ASP.NET Web API下Controller的激活与释放流程

    通过《ASP.NET Web API的Controller是如何被创建的?》我们已经对HttpController激活系统的核心对象有了深刻的了解,这些对象包括...

    蒋金楠
  • 总体介绍ASP.NET Web API下Controller的激活与释放流程

    通过《ASP.NET Web API的Controller是如何被创建的?》我们已经对HttpController激活系统的核心对象有了深刻的了解,这些对象包括...

    潘成涛
  • 学习以太坊Dapp开发

    比特币设计的初衷就是要避免依赖中心化的机构,没有发行机构,也不可能操纵发行数量。既然没有中心化的信用机构,在电子货币运行的过程中,也势必需要一种机制来认可运行在...

    笔阁
  • 谁说Cat不能做链路跟踪的,给我站出来

    链路跟踪,我们有很多可选项。常见的有 zipkin,pinpoint,skywalking,jaeger 等。

    猿天地

扫码关注云+社区

领取腾讯云代金券