快速用NodeJs编写一个爬虫抓取网站数据
ccwgpt 2024-11-07 09:47 45 浏览 0 评论
首先需要熟悉nodejs 中的request模块。
request 其实就是简化版的第三方类http模块，同时支持https 和重定向。
下面是它的简单用法:
默认是get方法，还有post方法，但我们今天要做的爬虫用不到post就不讲了。
var request = require('request');
request('url你的请求', function (error, response, body) {
if (!error && response.statusCode == 200) {
console.log(body) // 请求成功的处理逻辑
}
});
其次要熟悉cheerio模块
cheerio是为服务器特别定制的，快速、灵活、实施的jQuery核心实现。简单，易用，灵活，反正你会用jQuery就可以使用它，当然也会有一些细微的差别。
举个例子：
// 引入cheerio模块
const cheerio = require('cheerio')
// 加载HTML字符串
const $ = cheerio.load('<h4 class="title">Hello world</h4>')
// 设置Text
$('h4.title').text('Hello there!')
// 添加class
$('h4').addClass('welcome')
// 获取完整HTML
$.html()
//=> <html><head></head><body>
// <h4 class="title welcome">Hello there!</h4></body></html>
使用iconv-lite来搞定乱码问题
nodejs只支持utf-8，node没有提供转换编码的原生支持，iconv-lite，可以实现编码转换，
举个例子：
var http = require("http");
var iconv = require("iconv-lite");
var url = "http://hq.sinajs.cn/list=sh600595";
var req = http.request(url, function(res){
res.on('data',function(data){
data = iconv.decode(data, 'GBK');
console.log(data);
});
});
req.end();
了解了上面的代码就差不多了，接下来开始完成网络爬虫代码编写：
const request = require('request');
const cheerio = require('cheerio');
var iconv = require('iconv-lite');
var options = {
url: "https://jiage.autohome.com.cn/price/carlist/p-35368",
method: 'GET',
encoding: null
}
request(options, function(error, response, body) {
classList = [];
if (!error && response.statusCode === 200) {
var buf = iconv.decode(body, 'utf8').toString(); //解码gb2312
var $ = cheerio.load(buf);
// 导航
_src = $(".caricon-list dd a").each(async function(index) {
var $me = $(this);
if (index > 0 && index < 9) {
var item = {
id: index,
url: $me.attr('href'),
name: $me.children('span').text() || "未知"
};
let url = $me.attr('href');
let name = $me.children('span').text() || "未知";
try {
const car = await MyClassList.insert({
url: url,
name: name
})
} catch (e) {
console.log(e)
}
classList.push(item);
}
})
上面的代码是request读取到页面上的数据，然后使用iconv解决乱码问题，在使用cheerio把我们需要的数据取出来重新整理，以备后续使用。
鉴于篇幅限制，后续代码介绍请持续关注。
相关推荐
- 一个基于.Net Core遵循Clean Architecture原则开源架构
-
今天给大家推荐一个遵循CleanArchitecture原则开源架构。项目简介这是基于Asp.netCore6开发的，遵循CleanArchitecture原则，可以高效、快速地构建基于Ra...
- AI写代码翻车无数次，我发现只要提前做好这3步，bug立减80%
-
写十万行全是bug之后终于找到方法了开发"提示词管理助手"新版本那会儿，我差点被bug整崩溃。刚开始两周，全靠AI改代码架构，结果十万行程序漏洞百出。本来以为AI说没问题就稳了，结果...
- OneCode低代码平台的事件驱动设计:架构解析与实践
-
引言：低代码平台的事件驱动范式在现代软件开发中，事件驱动架构（EDA）已成为构建灵活、松耦合系统的核心范式。OneCode低代码平台通过创新性的注解驱动设计，将事件驱动理念深度融入平台架构，实现了业务...
- 国内大厂AI插件评测:根据UI图生成Vue前端代码
-
在IDEA中安装大厂的AI插件，打开ruoyi增强项目：yudao-ui-admin-vue31.CodeBuddy插件登录腾讯的CodeBuddy后，大模型选择deepseek-v3，输入提示语：...
- AI+低代码技术揭秘(二):核心架构
-
本文档介绍了为VTJ低代码平台提供支持的基本架构组件，包括Engine编排层、Provider服务系统、数据模型和代码生成管道。有关UI组件库和widget系统的信息，请参阅UI...
- GitDiagram用AI把代码库变成可视化架构图
-
这是一个名为gitdiagram的开源工具，可将GitHub仓库实时转换为交互式架构图，帮助开发者快速理解代码结构。核心功能一键可视化：替换GitHubURL中的"hub...
- 30天自制操作系统:第六天:代码架构整理与中断处理
-
1.拆开bootpack.c文件。根据设计模式将对应的功能封装成独立的文件。2.初始化pic:pic(可编程中断控制器)：在设计上，cpu单独只能处理一个中断。而pic是将8个中断信号集合成一个中断...
- AI写代码越帮越忙?2025年研究揭露惊人真相
-
近年来，AI工具如雨后春笋般涌现，许多人开始幻想程序员的未来就是“对着AI说几句话”，就能轻松写出完美的代码。然而，2025年的一项最新研究却颠覆了这一期待，揭示了一个令人意外的结果。研究邀请了16位...
- 一键理解开源项目:两个自动生成GitHub代码架构图与说明书工具
-
一、GitDiagram可以一键生成github代码仓库的架构图如果想要可视化github开源项目：https://github.com/luler/reflex_ai_fast，也可以直接把域名替换...
- 5分钟掌握 c# 网络通讯架构及代码示例
-
以下是C#网络通讯架构的核心要点及代码示例，按协议类型分类整理：一、TCP协议（可靠连接）1.同步通信//服务器端usingSystem.Net.Sockets;usingTcpListene...
- 从复杂到优雅:用建造者和责任链重塑代码架构
-
引用设计模式是软件开发中的重要工具，它为解决常见问题提供了标准化的解决方案，提高了代码的可维护性和可扩展性，提升了开发效率，促进了团队协作，提高了软件质量，并帮助开发者更好地适应需求变化。通过学习和应...
- 低代码开发当道，我还需要学习LangChain这些框架吗?| IT杂谈
-
专注LLM深度应用，关注我不迷路前两天有位兄弟问了个问题：当然我很能理解这位朋友的担忧：期望效率最大化，时间用在刀刃上，“不要重新发明轮子”嘛。铺天盖地的AI信息轰炸与概念炒作，很容易让人浮躁与迷茫。...
- 框架设计并不是简单粗暴地写代码，而是要先弄清逻辑
-
3.框架设计3.框架设计本节我们要开发一个UI框架，底层以白鹭引擎为例。框架设计的第一步并不是直接撸代码，而是先想清楚设计思想，抽象。一个一个的UI窗口是独立的吗？不是的，...
- 大佬用 Avalonia 框架开发的 C# 代码 IDE
-
AvalonStudioAvalonStudio是一个开源的跨平台的开发编辑器（IDE），AvalonStudio的目标是成为一个功能齐全，并且可以让开发者快速使用的IDE，提高开发的生产力。A...
- 轻量级框架Lagent 仅需20行代码即可构建自己的智能代理
-
站长之家（ChinaZ.com）8月30日消息:Lagent是一个专注于基于LLM模型的代理开发的轻量级框架。它的设计旨在简化和提高这种模型下代理的开发效率。LLM模型是一种强大的工具，可以...
欢迎 你 发表评论:
- 一周热门
- 最近发表
- 标签列表
-
- 框架图 (58)
- flask框架 (53)
- quartz框架 (51)
- abp框架 (47)
- springmvc框架 (49)
- 分布式事务框架 (65)
- scrapy框架 (56)
- shiro框架 (61)
- 定时任务框架 (56)
- java日志框架 (61)
- mfc框架 (52)
- abb框架断路器 (48)
- beego框架 (52)
- java框架spring (58)
- grpc框架 (65)
- tornado框架 (48)
- 前端框架bootstrap (54)
- orm框架有哪些 (51)
- 知识框架图 (52)
- ppt框架 (55)
- 框架图模板 (59)
- 内联框架 (52)
- cad怎么画框架 (58)
- ssm框架实现登录注册 (49)
- oracle字符串长度 (48)