背景
學習nodejs已經有段時間,網上很多nodejs爬蟲的文章,所以著手練習寫一段,最近打算買一輛電瓶車來上下班,但又不知道哪個好,網上是各說紛紜啊,于是就想著,干脆用node.js自己寫一個小爬蟲,來爬一下中關村在線里面電瓶車的信息吧。
簡介
該demo采用node.js作為爬蟲,為方便,有些地方使用es6語法,如有不懂,歡迎咨詢😊
步驟
第一步,引入需要的庫
var cheerio = require('cheerio'); var fetch = require('node-fetch'); // cheerio 是一個類似瀏覽器端的jQuery,用來解析HTML的 // fetch 用來發送請求
第二步,設置初始的爬取的入口(我身處杭州,所以地區選了杭州的🤣)
// 初始url var url = "http://detail.zol.com.cn/convenienttravel/hangzhou/#list_merchant_loc" // 由于每個a標簽下是相對路徑,故需要一個根地址來拼接,如下 var urlRoot = "http://detail.zol.com.cn" // 存放所有url,之所以用set,是為了防止有相同的而重復爬去 var urls = new Set() // 存儲所有數據 var data = []
至此,我們的準備部分結束了😅,接下來,開始表演了
分析網頁,思考爬取的方式
每行4款,每頁是48款,一共16頁
思路:
首先我們定義一個函數如下
// 這是得到每個頁面的48個鏈接,并開始發送請求 function ad(arg){ // 參數 arg 先不管 // 本地化一下需要爬取的鏈接 let url2 = arg || url; // 請求第一頁該網頁,拿到數據之后,復制給 app var app = await fetch(url2).then(res=>res.text()) // 然后假裝用jQuery解析了 var $ = cheerio.load(app) // 獲取當前頁所有電瓶車的a標簽 var ele = $("#J_PicMode a.pic") // 存放已經爬取過的url,防止重復爬取 var old_urls = [] var urlapp = [] //拿到所有a標簽地址之后,存在數組里面,等會兒要開始爬的 for (let i = 0; i < ele.length; i++) { old_urls.push(fetch(urlRoot+$(ele[i]).attr('href')).then(res=>res.text())) } // 用把URL一塊丟給promise處理 urlapp = await Promise.all(old_urls) // 處理完成之后,循環加入jQuery😂 for (let i = 0; i < urlapp.length; i++) { let $2 = cheerio.load(urlapp[i],{decodeEntities: false}) data.push({ name:$2(".product-model__name").text(), price:$2(".price-type").text() }) } // 至此,一頁的數據就爬完了 // console.log(data); // 然后開始爬取下一頁 var nextURL = $(".next").attr('href') // 判斷當前頁是不是最后一頁 if (nextURL){ let next = await fetch(urlRoot+nextURL).then(res=>res.text()) // 獲取下一頁的標簽,拿到地址,走你 ad(urlRoot+nextURL) } return data } ad()
完整代碼如下
var cheerio = require('cheerio'); var fetch = require('node-fetch'); var url = "http://detail.zol.com.cn/convenienttravel/hangzhou/#list_merchant_loc" var urlRoot = "http://detail.zol.com.cn" // var url = "http://localhost:3222/app1" var urls = new Set() var data = [] async function ad(arg){ let url2 = arg || url; var app = await fetch(url2).then(res=>res.text()) var $ = cheerio.load(app) var ele = $("#J_PicMode a.pic") var old_urls = [] var urlapp = [] for (let i = 0; i < ele.length; i++) { old_urls.push(fetch(urlRoot+$(ele[i]).attr('href')).then(res=>res.text())) } urlapp = await Promise.all(old_urls) for (let i = 0; i < urlapp.length; i++) { let $2 = cheerio.load(urlapp[i],{decodeEntities: false}) data.push({ name:$2(".product-model__name").text(), price:$2(".price-type").text() }) } var nextURL = $(".next").attr('href') if (nextURL){ let next = await fetch(urlRoot+nextURL).then(res=>res.text()) ad(urlRoot+nextURL) } return data } ad()
總結
聲明:本網頁內容旨在傳播知識,若有侵權等問題請及時與本網聯系,我們將在第一時間刪除處理。TEL:177 7030 7066 E-MAIL:11247931@qq.com