NodeJs(二) 跟我一起爬取一下Boss直聘前端程师的薪资情况
ccwgpt 2024-11-07 09:47 27 浏览 0 评论
欢迎来到我的NodeJs专题系列，更多精彩内容持续更新中，敬请关注！
现在基本上很多教程教大家Node入门一般都是通过http模块去创建一个简单的服务器，然后可以通过浏览器去访问。
看的多了，没多大意思，那么今天我来给大家分享一下如何用Node写一个简单的爬虫吧。
爬虫是什么？
在做爬虫之前，我们首先得弄清楚什么是爬虫，爬虫的原理是什么？
爬虫就是我们可以通过程序去访问别人的网站的源代码，并对其进行分析数据过滤，清洗。最后存储到我们自己的数据库中。
由于NodeJs是运行在服务器端，将不会像运行在浏览器端那样请求别的网站的时候会有跨域的问题。所以我们可以通过NodeJs去获取到别的网站页面的源代码。
在所有的后端语言中，最快捷方便的爬虫应该是python了。提供了非常多的优秀的爬虫框架！
Node中的内置模块
我们要想通过Node获取页面的源代码，我们需要用到的模块是http 或者 https,两个模块下提供的方法都一样，只是协议不一样。
所以我们需要用到https模块
const https = require("https")
这时候， 我们可以通过https.get方法去获取一个url的源代码了。
第二个参数是一个回调函数，它里面包含了这个响应所有的信息。其中，我们可以通过on去监听data方法去不断的读取获取到的数据。
我们来看下效果：
额。好像出问题了，这和我们的预期好像不太一样啊，
再给我次机会吧。我查了资料，这和https这个模块有关系。我们需要设置对应的请求头信息，什么意思呢？就是我们要将这个爬虫伪装成一个浏览器。
所以这时候，我们需要将get的参数设置成一个对象的形式。具体的配置如下：
设置好请求头后。接下来我们可以愉快的玩耍了吧~再来跑一次。
呀，好像有效果了。但是…………这都返回了啥啊，看不懂的样子。
返回了一堆的buffer
Buffer
buffer在Nodejs中是一种很重要的数据结构，它和我们平时使用的数组非常类似，但是功能更为强大。
那可能大家有疑问，为什么不直接给我返回一个字符串呢？返回一我看不懂的buffer干嘛 ？
要知道，我们的数组只能存储js中的基本数据类型。无法储存图片，文件等数据，这些数据都是二进制的，刚好buffer可以完美解决这个问题。所以一般来说，NodeJs中都会返回buffer类型的数据
那如果将beffer转成字符串呢？也很简单，我们将结果toString一下即可。
接下来我们将获取到的结果储存写入一个文件中去。
获取到了源代码后。我们需要从中获取我们想要的信息。这时候问题来了。我们通过https获取过来的是串字符串，该怎么过滤我们想要的信息呢？
这时候不得不提到大名鼎鼎的cheerio了。
cheerio
cheerio可以加载一段Html字符串，然后可以通过jQuery的方式去操作它。
首先cheerio是一个第三方的库。所以我们需要手动安装它
npm i cheerio
基本用法：
我们直接来看下结果
我们可以看到，页面中的职位和薪资都已被我爬取出来啦。可用的数据有很多，大家可以根据自己的需要将对应的数据存储到自己的数据库中去。
好啦，一个小小的爬虫就做好了。
总结：
- Nodejs中的内置模块fs https url 等的基本使用。
- Nodejs返回的结果一般都是基于buffer,它类似于数组，但功能更强大
- 第三方库cheerio可以让我们使用jquery的api来操作字符串。
这里是【畅哥聊技术】的《NodeJs》专题系列。更多内容持续更新中。
下期我们接着聊，未完待续。。
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)