用node写个爬虫？看完这篇新手也会

 

从node问世以后，就不断被JavaScript的忠实追随者拿来干一些原来只有php、Python等后端语言才能干的事情，例如写个爬虫之类的。对于前端er来说，用上一些好用的轮子，你可能十几行代码就可以写一个crawler哦~

 

爬虫的思路十分简单:

 

1. 按照一定的规律发送 HTTP 请求获得页面 HTML 源码（必要时需要加上一定的 HTTP 头信息，比如 cookie 或 referer 之类）

2. 利用正则匹配或第三方模块解析 HTML 代码，提取有效数据

3. 将数据持久化到数据库中

 

当然爬虫的写法千千万，下面只提供吃瓜群众都能看懂的版本~

＊文章目录＊

1. 1. ＊准备阶段＊

    1.1. NPM

    1.2. package.json

    1.3. crawler.js

1. 2. ＊学习阶段＊

    2.1. REQUEST

    2.2. CHEERIO

1. 3. ＊建设阶段＊

2. 4. ＊实验阶段＊

＊准备阶段＊

NPM

(npm:趁还没被yarn干掉再续一秒）

首先我们需要通过npm安装两个模块reuqest和cheerio来帮助我们更方便地请求和 解析页面

终端cd到你的文件目录里，先装上，一会儿我再各自讲它们

 

package.json

装完你可以看到你文件夹里的package.json里已经多了两个依赖项

 

crawler.js

假设你的爬虫程序主文件名叫crawler.js,我们需要在这个文件里引入request和cheerio这两个模块
js代码为

准备阶段完成后，让我们开始沉迷于学习阶段= =

＊学习阶段＊

REQUEST

request是个非常好用的针对HTTP请求的模块，简言之是对 http.request更高级的封装,口号是——“Simplified HTTP client”

request 这个模块可以帮你下载资料。使用方式：

随便来个例子，假设你觉得你自己真是沉迷于学习无法自拔，是我的迷妹/痴汉一只，你想要随时监控我博客的内容，那你就这样写

不过我建议你们转去搞LV的( ͡° ͜ʖ ͡°)=>群疯之下

（小学妹就不坑LV老师啦，欢迎大家自行寻找他的个人站～）

 

CHEERIO

cheerio模块可以在服务器端像使用Jquery的方式一样操作Dom结构，许多用法和jquery 的语法基本相同，为服务器特别定制的，快速、灵活、实施的jQuery核心实现。
简言之，是服务器端的鸡块瑞(◕ܫ◕)~

Cheerio 几乎能够解析任何的 HTML 和 XML document，灵活好用，灰常厉害
只需这么用：

基础知识学习完毕，让我们一起投入到火热的社会主义建设中去~

＊建设阶段＊

先把request搞上去，明确要爬的页面，我们要爬的是A站的文章区(我不想搞B站，不想被封号TAT)

我们当然不能拍拍手，我们要用cheerio去解析我们刚请求成功的页面

最后爬下来的结果我们把它放在result.json文件里

最后把这句话放在request方法里

最终你的crawler.js看起来是这样

啊~麻麻~我用16行代码就写了个爬虫~╰(°▽°)╯
慢着，我们先来试验下是否能成功

＊实验阶段＊

cd 到你的目录，敲下激动人心的如下代码

然后观察你的文件夹里是否多了个result.json呢，它看起来应该是如下这样充满了大新闻

result.json

 

 

结论

“大清亡于闭关锁国，学习技术需要交流和资料”。 在这里我给大家准备了很多的学习资料免费获取,包括但不限于技术干货、大厂面试题系列、技术动向、职业生涯等一切有关程序员的分享

.web前端小白进阶方法笔记,学习资料,面试题和视频,项目源码免费领取