使用nodejs实现网页爬虫功能的案例-mile米乐体育

筛选数据

　　以网页中的综艺热点部分

　　相关源代码如下

　　通过分析可知，‘综艺’模块与其他模块都位于

中，其中，综艺模块的内层p的monkey='zy'，综艺模块的10条综艺节目的信息都位于

中，综艺节目的名称位于中

cheerio

　　我们怎么从源代码中获取到有用的数据呢？首先，nodejs不支持document对象。如果要使用笨办法，只能使用正则表达式来处理

　　cheerio 是nodejs特别为服务端定制的，能够快速灵活的对jquery核心进行实现。它工作于dom模型上，且解析、操作、呈送都很高效

【安装】

【使用】

　　它的使用方法和jquery相当类似，上手非常容易。以获取综艺热度前10名的节目名称为例

varhttp=require('http'); varcheerio=require('cheerio'); http.get('http://tuijian.hao123.com/hotrank',function(res){ vardata=''; res.on('data',function(chunk){ data =chunk; }); res.on('end',function(){ filter(data); }) }); functionfilter(data){ //保存搜索量前10的综艺节目标题 varresult=[]; //将页面源代码转换为$对象 var$=cheerio.load(data); //查找每个综艺节目标题的外层div vartemp_arr=$('[monkey="zy"]').find('.point-bd').find('.point-title'); //将综艺节目标题依次保存到结果数组中 temp_arr.each(function(index,item){ result.push($(item).text()); }) //['变形计','来吧冠军','拜托了冰箱','昆仑决','天生是优我','姐姐好饿','脑力男人时代','奔跑吧兄弟','我想和你唱','玫瑰之旅'] console.log(result); }

爬虫代码

　　下面将hao123网页中的'实时热点'、'今日热点'、'民生热点'、'电影'、'电视剧'、'综艺'这6部分的排名爬下来，分别到对象名为'result'中的数组中，分别命令为'ss'、'jr'、'ms'、'dy'、'dsj'、'zy'

【代码如下】

varhttp=require('http'); varcheerio=require('cheerio'); http.get('http://tuijian.hao123.com/hotrank',function(res){ vardata=''; res.on('data',function(chunk){ data =chunk; }); res.on('end',function(){ filter(data); }) }); functionfilter(data){ //保存各部分搜索量前10的名称 //对象名为榜单名，如'实时热点' //对象内容为10个标题名称组成的数组 varresult={}; //将页面源代码转换为$对象 var$=cheerio.load(data); //查找'实时热点'、'今日热点'、'民生热点'、'电影'、'电视剧'、'综艺'这6个榜单所在的div vartemp_div=$('.top-wrap');  //保存榜单名称 vartemp_title=[];  temp_div.each(function(index,item){ //查找榜单名，并保存到temp_title文件夹中 temp_title.push($(item).find('h3').text());  //查找每类下每个标题的外层div vartemp_arr=$(item).find('.point-bd').find('.point-title');  //将result下的每个榜单初始化为一个数组 varinnerresult=result[temp_title[index]]=[];  //将节目标题依次保存到相应榜单的数组中 temp_arr.each(function(_index,_item){ innerresult.push($(_item).text()) }) }) console.log(result); }

【结果如下】

{'实时热点': ['美国逮捕女斯诺登', '成都隐秘母乳买卖', '曝周杰伦青涩旧照', '老头公交强吻女孩', '王传君恋情曝光', '杭州现奇葩窗口', '忘带全班准考证', '未成年持械拍网红', '9秒揍儿子8拳', '戴耳机穿轨道被撞'], '今日热点': ['北京回龙观大火', '选美冠军车祸身亡', '2017高考', '成都老火锅店被查', '陈浩民娇妻秀身材', '海边直播发现浮尸', '曝印小天遭妻骗婚', '苹果开发者大会', '6万斤鱼缺氧死亡', '安以轩夏威夷大婚'], '民生热点': ['北京回龙观大火', '2017高考', '成都老火锅店被查', '海边直播发现浮尸', '苹果开发者大会', '6万斤鱼缺氧死亡', '北控外援训练猝死', '武汉男子裸体捅人', '多国与卡塔尔断交', '美驻华外交官辞职'], '电影': ['神奇女侠', '异星觉醒', '新木乃伊', '中国推销员', '荡寇风云', '异兽来袭', '李雷和韩梅梅', '北极星', '美好的意外', '夏天19岁的肖像'], '电视剧': ['龙珠传奇', '楚乔传', '欢乐颂2', '欢乐颂', '职场是个技术活', '择天记', '美食大冒险', '废柴兄弟', '人民的名义', '三生三世十里桃花'], '综艺': ['变形计', '来吧冠军', '拜托了冰箱', '昆仑决', '天生是优我', '姐姐好饿', '脑力男人时代', '奔跑吧兄弟', '我想和你唱', '玫瑰之旅']} [finishedin0.7s]

感谢你能够认真阅读完这篇文章，希望小编分享的“使用nodejs实现网页爬虫功能的案例”这篇文章对大家有帮助，同时也希望大家多多支持恰卡编程网，关注恰卡编程网行业资讯频道，更多相关知识等着你来学习!