nodeJS實(shí)現(xiàn)簡(jiǎn)單網(wǎng)頁(yè)爬蟲(chóng)功能的實(shí)例(分享)

更新時(shí)間：2017年06月08日 07:56:44 投稿：jingxian

下面小編就為大家?guī)?lái)一篇nodeJS實(shí)現(xiàn)簡(jiǎn)單網(wǎng)頁(yè)爬蟲(chóng)功能的實(shí)例(分享)。小編覺(jué)得挺不錯(cuò)的，現(xiàn)在就分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧

本文將使用nodeJS實(shí)現(xiàn)一個(gè)簡(jiǎn)單的網(wǎng)頁(yè)爬蟲(chóng)功能

網(wǎng)頁(yè)源碼

使用http.get()方法獲取網(wǎng)頁(yè)源碼，以hao123網(wǎng)站的頭條頁(yè)面為例

http://tuijian.hao123.com/hotrank

var http = require('http');
http.get('http://tuijian.hao123.com/hotrank',function(res){
 var data = '';
 res.on('data',function(chunk){
  data += chunk;
 });
 res.on('end',function(){
  console.log(data);
 })
});

獲得的結(jié)果如下所示：

篩選數(shù)據(jù)

以網(wǎng)頁(yè)中的綜藝熱點(diǎn)部分

相關(guān)源代碼如下

　　通過(guò)分析可知，‘綜藝’模塊與其他模塊都位于<div class="top-wrap">中，其中，綜藝模塊的內(nèi)層div的monkey='zy'，綜藝模塊的10條綜藝節(jié)目的信息都位于<div class="poinr clearfix">中，綜藝節(jié)目的名稱位于<span class="point-title">中

cheerio

我們?cè)趺磸脑创a中獲取到有用的數(shù)據(jù)呢？首先，nodeJS不支持document對(duì)象。如果要使用笨辦法，只能使用正則表達(dá)式來(lái)處理

cheerio 是nodejs特別為服務(wù)端定制的，能夠快速靈活的對(duì)JQuery核心進(jìn)行實(shí)現(xiàn)。它工作于DOM模型上，且解析、操作、呈送都很高效

【安裝】

【使用】

它的使用方法和jQuery相當(dāng)類似，上手非常容易。以獲取綜藝熱度前10名的節(jié)目名稱為例

var http = require('http');
var cheerio = require('cheerio');
http.get('http://tuijian.hao123.com/hotrank',function(res){
 var data = '';
 res.on('data',function(chunk){
  data += chunk;
 });
 res.on('end',function(){
  filter(data);
 })
});
function filter(data){
 //保存搜索量前10的綜藝節(jié)目標(biāo)題
 var result = [];
 //將頁(yè)面源代碼轉(zhuǎn)換為$對(duì)象
 var $ = cheerio.load(data);
 //查找每個(gè)綜藝節(jié)目標(biāo)題的外層div
 var temp_arr = $('[monkey = "zy"]').find('.point-bd').find('.point-title');
 //將綜藝節(jié)目標(biāo)題依次保存到結(jié)果數(shù)組中
 temp_arr.each(function(index,item){
  result.push($(item).text());
 })
 //[ '變形計(jì)','來(lái)吧冠軍','拜托了冰箱','昆侖決','天生是優(yōu)我','姐姐好餓','腦力男人時(shí)代','奔跑吧兄弟','我想和你唱','玫瑰之旅' ]
 console.log(result);
}

爬蟲(chóng)代碼

下面將hao123網(wǎng)頁(yè)中的'實(shí)時(shí)熱點(diǎn)'、'今日熱點(diǎn)'、'民生熱點(diǎn)'、'電影'、'電視劇'、'綜藝'這6部分的排名爬下來(lái)，分別到對(duì)象名為'result'中的數(shù)組中，分別命令為'ss'、'jr'、'ms'、'dy'、'dsj'、'zy'

【代碼如下】

var http = require('http');
var cheerio = require('cheerio');
http.get('http://tuijian.hao123.com/hotrank',function(res){
 var data = '';
 res.on('data',function(chunk){
  data += chunk;
 });
 res.on('end',function(){
  filter(data);
 })
});
function filter(data){
 //保存各部分搜索量前10的名稱
 //對(duì)象名為榜單名，如'實(shí)時(shí)熱點(diǎn)'
 //對(duì)象內(nèi)容為10個(gè)標(biāo)題名稱組成的數(shù)組
 var result = {};
 //將頁(yè)面源代碼轉(zhuǎn)換為$對(duì)象
 var $ = cheerio.load(data);
 //查找'實(shí)時(shí)熱點(diǎn)'、'今日熱點(diǎn)'、'民生熱點(diǎn)'、'電影'、'電視劇'、'綜藝'這6個(gè)榜單所在的div
 var temp_div = $('.top-wrap');

 //保存榜單名稱
 var temp_title = [];

 temp_div.each(function(index,item){
  //查找榜單名，并保存到temp_title文件夾中
  temp_title.push($(item).find('h2').text());

  //查找每類下每個(gè)標(biāo)題的外層div
  var temp_arr = $(item).find('.point-bd').find('.point-title');

  //將result下的每個(gè)榜單初始化為一個(gè)數(shù)組
  var innerResult = result[temp_title[index]] = [];

  //將節(jié)目標(biāo)題依次保存到相應(yīng)榜單的數(shù)組中
  temp_arr.each(function(_index,_item){
   innerResult.push($(_item).text())
  })
 })
 console.log(result);
}

【結(jié)果如下】

以上這篇nodeJS實(shí)現(xiàn)簡(jiǎn)單網(wǎng)頁(yè)爬蟲(chóng)功能的實(shí)例(分享)就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。