首页 > 代码库 > node.js 使用 superagent 与 cheerio 完成简单爬虫
node.js 使用 superagent 与 cheerio 完成简单爬虫
目标
建立一个 lesson3 项目,在其中编写代码。
当在浏览器中访问 http://localhost:3000/
时,输出 CNode(https://cnodejs.org/ ) 社区首页的所有帖子标题和链接,以 json 的形式
知识点:
- 学习使用 superagent 抓取网页
- 学习使用 cheerio 分析网页
库介绍:
superagent(http://visionmedia.github.io/superagent/ ) 是个 http 方面的库,可以发起 get 或 post 请求。
cheerio(https://github.com/cheeriojs/cheerio ) 大家可以理解成一个 Node.js 版的 jquery,用来从网页中以 css selector 取数据,使用方式跟 jquery 一样一样的。
创建项目相关命令:
- 新建一个文件夹,进去之后
npm init
- 安装依赖
npm install --save PACKAGE_NAME
- 写应用逻辑
安装2个库和express
nmp install --save express
nmp install --save superagent
nmp install --save cheerio
var superagent = require(‘superagent‘);
var express = require(‘express‘);
var cheerio = require(‘cheerio‘);
var app = express();
app.get(‘/‘, function(req, res, next ) {
superagent.get(‘https://cnodejs.org/‘)
.end( function( err, sres ) {
if (err){
return next(err);
}
var $ = cheerio.load(sres.text);
var items = [];
// sres.text 里面存储着网页的 html 内容,将它传给 cheerio.load 之后
// 就可以得到一个实现了 jquery 接口的变量,我们习惯性地将它命名为 `$`
// 剩下就都是 jquery 的内容了
$(‘#topic_list .topic_title ‘).each(function(idx, element ){
var $element = $(element);
items.push({
title: $element.attr(‘title‘),
href: $element.attr(‘href‘)
});
});
//new
$(‘#topic_list .user_avatar ‘).each(function(idx, element) {
var $element = $(element);
items[idx][‘author‘] = $element.attr(‘href‘).split(‘/‘)[2]
});
res.send(items);
});
});
app.listen(3000, function (req, res) {
console.log(‘app is running at port 3000‘);
});
node.js 使用 superagent 与 cheerio 完成简单爬虫
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。