首页 > 代码库 > NodeJS 爬虫爬取LOL英雄联盟的英雄信息,superagent+cheerio+async
NodeJS 爬虫爬取LOL英雄联盟的英雄信息,superagent+cheerio+async
1.模块使用
(1)superagent:Nodejs中的http请求库(每个语言都有无数个,java的okhttp,ios的afnetworking)
(2)cheerio:Nodejs中的html解析库(每个语言基本都有。。)
(3)async:Nodejs中的同/异步并发函数执行库(这个非常牛,其他语言同类型的不多)
2.爬取内容
多玩的英雄联盟英雄页面,通过解析页面内每个英雄的URL,然后并发请求英雄的详细数据,提取需要的数据得到结果
http://lol.duowan.com/hero/
这次主要是为了熟悉NodeJS爬虫,所以以1星级难度爬虫练手。
3.源码
var superagent = require(‘superagent‘); var cheerio = require(‘cheerio‘); var async = require(‘async‘);start();// 第一步,使用superagent发起get请求,获取含有英雄名字的页面function start(){ console.log(‘爬虫程序开始运行......‘); superagent .get(‘http://lol.duowan.com/hero/‘) .end(function(err, res){ // 请求返回后的页面处理,使用cheerio提取英雄 var $ = cheerio.load(res.text,{decodeEntities: false}); //找到每个英雄的链接,并存入数组,等待并行请求 var heroes = new Array(); $("a.lol_champion").each(function(i, e) { heroes.push($(e).attr("href")); }); //并发遍历heroes对象 async.mapLimit(heroes,5, function (heroUrl, callback) { // 对每个角色对象的处理逻辑 fetchInfo(heroUrl, callback); }, function (err, result) { if(err){ console.log("error is:"+err); } //这里的result就是callback回来的数组 console.log("抓取结束,共计:"+result.length+"个"); result.forEach(function(hero){ console.log(JSON.stringify(hero)); }); } ); //串行遍历heroes对象 // async.mapSeries(heroes,function (heroUrl, callback) { // // 对每个角色对象的处理逻辑 // fetchInfo(heroUrl, callback); // }, // function (err, result) { // if(err){ // console.log("error is:"+err); // } // //这里的result就是callback回来的数组 // console.log("抓取结束,共计:"+result.length+"个"); // result.forEach(function(hero){ // console.log(JSON.stringify(hero)); // }); // } // ); }); }// 获取角色信息var concurrencyCount = 0; // 当前并发数记录 function fetchInfo(heroUrl, callback){ concurrencyCount++; console.log("...正在抓取:"+ heroUrl + "...当前并发数记录:" + concurrencyCount); // 根据URL,进行详细页面的爬取和解析 superagent .get(heroUrl) .end(function(err, res){ if(err){ console.log("fail"); concurrencyCount--; var hero = { succ:false } //callback左边的参数为error的string,不为null时会打断本次map callback(null,hero); }else{ // 获取爬到的角色详细页面内容 var $ = cheerio.load(res.text,{decodeEntities: false}); var heroTitle = $(‘.hero-title‘).first().text(); var heroName = $(‘.hero-name‘).first().text(); var heroType = $(‘.hero-tag‘).first().text()+" "+$(‘.hero-tag‘).last().text(); console.log(‘找到英雄:‘+heroTitle+" "+heroName+"|"+heroType); concurrencyCount--; var hero = { succ:true, title:heroTitle, name:heroName, type:heroType } //callback后才会结束此并行“线程” callback(null, hero); } });}
4,工程demo
https://github.com/rayshen/lolcrawler
NodeJS 爬虫爬取LOL英雄联盟的英雄信息,superagent+cheerio+async
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。