Nodejs實(shí)現(xiàn)爬蟲抓取數(shù)據(jù)實(shí)例解析

更新時(shí)間：2018年07月05日 10:09:59 作者：狗尾草的博客

這篇文章主要介紹了Nodejs實(shí)現(xiàn)爬蟲抓取數(shù)據(jù)實(shí)例解析,本文給大家介紹的非常詳細(xì)，具有一定的參考借鑒價(jià)值，需要的朋友參考下吧

開始之前請(qǐng)先確保自己安裝了Node.js環(huán)境，如果沒有安裝，大家可以到腳本之家下載安裝。

1.在項(xiàng)目文件夾安裝兩個(gè)必須的依賴包

npm install superagent --save-dev

superagent 是一個(gè)輕量的,漸進(jìn)式的ajax api,可讀性好,學(xué)習(xí)曲線低,內(nèi)部依賴nodejs原生的請(qǐng)求api,適用于nodejs環(huán)境下

npm install cheerio --save-dev

cheerio是nodejs的抓取頁面模塊，為服務(wù)器特別定制的，快速、靈活、實(shí)施的jQuery核心實(shí)現(xiàn)。適合各種Web爬蟲程序。相當(dāng)于node.js中的jQuery

2.新建 crawler.js 文件

//導(dǎo)入依賴包
const http    = require("http");
const path    = require("path");
const url    = require("url");
const fs     = require("fs");
const superagent = require("superagent");
const cheerio  = require("cheerio");

3.獲取 Boos直聘數(shù)據(jù)

superagent
  .get("https://www.zhipin.com/job_detail/?city=100010000&source=10&query=%E5%89%8D%E7%AB%AF")
  .end((error,response)=>{
    //獲取頁面文檔數(shù)據(jù)
    var content = response.text;
    //cheerio也就是nodejs下的jQuery 將整個(gè)文檔包裝成一個(gè)集合，定義一個(gè)變量$接收
    var $ = cheerio.load(content);
    //定義一個(gè)空數(shù)組，用來接收數(shù)據(jù)
    var result=[];
    //分析文檔結(jié)構(gòu) 先獲取每個(gè)li 再遍歷里面的內(nèi)容(此時(shí)每個(gè)li里面就存放著我們想要獲取的數(shù)據(jù))
    $(".job-list li .job-primary").each((index,value)=>{
      //地址和類型為一行顯示，需要用到字符串截取
      //地址
      let address=$(value).find(".info-primary").children().eq(1).html();
      //類型
      let type=$(value).find(".info-company p").html();
      //解碼
      address=unescape(address.replace(/&#x/g,'%u').replace(/;/g,''));
      type=unescape(type.replace(/&#x/g,'%u').replace(/;/g,''))
      //字符串截取
      let addressArr=address.split('<em class="vline"></em>');
      let typeArr=type.split('<em class="vline"></em>');
      //將獲取的數(shù)據(jù)以對(duì)象的形式添加到數(shù)組中
      result.push({
        title:$(value).find(".name .job-title").text(),
        money:$(value).find(".name .red").text(),
        address:addressArr,
        company:$(value).find(".info-company a").text(),
        type:typeArr,
        position:$(value).find(".info-publis .name").text(),
        txImg:$(value).find(".info-publis img").attr("src"),
        time:$(value).find(".info-publis p").text()
      });
      // console.log(typeof $(value).find(".info-primary").children().eq(1).html());
    });
    //將數(shù)組轉(zhuǎn)換成字符串
    result=JSON.stringify(result);
    //將數(shù)組輸出到j(luò)son文件里 刷新目錄 即可看到當(dāng)前文件夾多出一個(gè)boss.json文件(打開boss.json文件，ctrl+A全選之后 ctrl+K，再Ctrl+F即可將json文件自動(dòng)排版)
    fs.writeFile("boss.json",result,"utf-8",(error)=>{
      //監(jiān)聽錯(cuò)誤，如正常輸出，則打印null
      if(error==null){
        console.log("恭喜您，數(shù)據(jù)爬取成功!請(qǐng)打開json文件，先Ctrl+A，再Ctrl+K,最后Ctrl+F格式化后查看json文件(僅限Visual Studio Code編輯器)");
      }
    });
  });

總結(jié)

以上所述是小編給大家介紹的Nodejs實(shí)現(xiàn)爬蟲抓取數(shù)據(jù)，希望對(duì)大家有所幫助，如果大家有任何疑問請(qǐng)給我留言，小編會(huì)及時(shí)回復(fù)大家的。在此也非常感謝大家對(duì)腳本之家網(wǎng)站的支持！

您可能感興趣的文章: