Node.js爬虫实战 - 爬你喜欢的
前言今天没有什么前言，就是想分享些关于爬虫的技术，任性。来吧，各位客官，里边请...
开篇第一问：爬虫是什么嘞？
首先咱们说哈，爬虫不是“虫子”，姑凉们不要害怕。
爬虫 - 一种通过一定方式按照一定规则抓取数据的操作或方法。
开篇第二问：爬虫能做什么嘞？
来来来，谈谈需求
产物MM：
[*]爱豆的新电影上架了，团体电影评价怎样呢？
[*]暗恋的妹子最近又失恋了，怎样在她发微博的时候第一时间知道发了什么，好去呵护呢？
[*]总是在看小说的时候点到广告？总是在看那啥的时候点出来，澳xx场又上线啦？
[*]做个新闻类网站没有数据源咋办？
研发GG：
爬虫随时准备为您服务！
[*]使用爬虫，拉取爱豆视频所有的评价，导入表格，进而分析评价
[*]使用爬虫，加上定时任务，拉取妹子的微博，只要数据有变化，接入短信或邮件服务，第一时间通知
[*]使用爬虫，拉取小说内容或xxx的视频，自己再计划个展示页，perfect！
[*]使用爬虫，定时任务，拉取多个新闻源的新闻，存储到数据库
开篇第三问：爬虫怎样实现嘞？
实现爬虫的技术有很多，如python、Node等，今天胡哥给大家分享使用Node做爬虫：爬取小说网站-首页推荐小说
爬取第一步-确定目标
目标网站：https://www.23us.so
我们要获取排行榜中六部小说的：书名、封面、以及小说书籍信息对应的地址(后续获取小说完整信息)
爬取第二步-分析目标特点
网页的内容是由HTML生成的，抓取内容就相称找到特定的HTML结构，获取该元素的值。
打开网页调试控制台，查看元素HTML结构。
注意观察页面HTML的结构，排行榜推荐的小说的HTML结构是
bdo#s-dd 元素 dd 子元素 - 每一部小说 a 目录信息 img 封面 a 小说名称爬取第三步-弄丫的
工具善其事必先利其器，准备好趁手的兵器！
superagent
模拟客户端发送网络请求，可设置请求参数、header头信息
npm install superagent -Dcheerio
类jQuery库，可将字符串导入，创建对象，用于快速抓取字符串中的符合条件的数据
npm install cheerio -D项目目录：
node-pachong/- index.js- package.json- node_modules/上代码：
// node-pachong/index.js/** * 使用Node.js做爬虫实战 * author: justbecoder*/// 引入需要的工具包const sp = require('superagent');const cheerio = require('cheerio');// 界说请求的URL地址const BASE_URL = 'http://www.23us.so';// 1. 发送请求，获取HTML字符串(async () => {let html = await sp.get(BASE_URL); // 2. 将字符串导入，使用cheerio获取元素let $ = cheerio.load(html.text); // 3. 获取指定的元素let books = []$('#s_dd dd').each(function () { let info = { link: $(this).find('a').eq(0).attr('href'), name: $(this).find('a').eq(1).text(), image: $(this).find('img').attr('src') } books.push(info)})console.log(books)})()友情提醒：每个网站的HTML结构是不一样，在抓取不同网站的数据时，要分析不同的解构，才能百发百中。
效果图：
获取到信息之后，做接口数据返回、存储数据库，你想干啥都行...
源码获取
关注胡哥有话说公众号，回复“爬虫”，即可获取源码地址。
后记
以上就是胡哥今天给大家分享的内容，喜好的小伙伴记得收藏、转发、点击右下角按钮在看，推荐给更多小伙伴呦，欢迎多多留言交流...
胡哥有话说，一个有技术，有情怀的胡哥！京东开放平台首席前端攻城狮。与你一起聊聊大前端，分享前端系统架构，框架实现原理，最新最高效的技术实践！
长按扫码关注，更帅更漂亮呦！关注胡哥有话说公众号，可与胡哥继续深入交流呦！
来源：https://www.cnblogs.com/justbecoder/archive/2019/08/15/11358819.html
页:
[1]