洪典松
Nodejs实现爬虫抓取数据
来源:侯振峰     发布时间: 2019-04-25      浏览次数:178

字号:

开始之前请先确保自己安装了Node.js环境,还没有安装的的童鞋请自行百度安装教程......

1.在项目文件夹安装两个必须的依赖包

npm install superagent --save-dev

  superagent 是一个轻量的,渐进式的ajax api,可读性好,学习曲线低,内部依赖nodejs原生的请求api,适用于nodejs环境下

npm install cheerio --save-dev

  cheerio是nodejs的抓取页面模块,为服务器特别定制的,快速、灵活、实施的jQuery核心实现。适合各种Web爬虫程序。相当于node.js中的jQuery

2.新建  crawler.js  文件

//导入依赖包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.获取 Boos直聘数据

superagent .get("https://www.zhipin.com/job_detail/?city=100010000&source=10&query=%E5%89%8D%E7%AB%AF") .end((error,response)=>{ //获取页面文档数据 var content = response.text; //cheerio也就是nodejs下的jQuery 将整个文档包装成一个集合,定义一个变量$接收 var $ = cheerio.load(content); //定义一个空数组,用来接收数据 var result=[]; //分析文档结构 先获取每个li 再遍历里面的内容(此时每个li里面就存放着我们想要获取的数据) $(".job-list li .job-primary").each((index,value)=>{ //地址和类型为一行显示,需要用到字符串截取 //地址 let address=$(value).find(".info-primary").children().eq(1).html(); //类型 let type=$(value).find(".info-company p").html(); //解码 address=unescape(address.replace(/&#x/g,"%u").replace(/;/g,"")); type=unescape(type.replace(/&#x/g,"%u").replace(/;/g,"")) //字符串截取 let addressArr=address.split("<em ></em>"); let typeArr=type.split("<em ></em>"); //将获取的数据以对象的形式添加到数组中 result.push({ title:$(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()); }); //将数组转换成字符串 result=JSON.stringify(result); //将数组输出到json文件里 刷新目录 即可看到当前文件夹多出一个boss.json文件(打开boss.json文件,ctrl+A全选之后 ctrl+K,再Ctrl+F即可将json文件自动排版) fs.writeFile("boss.json",result,"utf-8",(error)=>{ //监听错误,如正常输出,则打印null if(error==null){ console.log("恭喜您,数据爬取成功!请打开json文件,先Ctrl+A,再Ctrl+K,最后Ctrl+F格式化后查看json文件(仅限Visual Studio Code编辑器)"); } }); });  

 

跟着狗尾草走完这篇nodejs爬虫相信大家又get了 一个新技能,狗尾草和大家一起加油,一起努力!

鸣谢:Mrs.Zhang

转载至:https://blog.csdn.net/twodogya/article/details/80204322

  • 相关内容: