Nodejs简单爬虫

安装node初始化一个项目testjs主要代码总结

安装node

安装完成后，打开命令行，执行node -v 验证是否安装成功。

初始化一个项目

使用 npm init -y 快速初始化一个新的项目，然后新建js文件。 nodejs 爬虫需要几个模块，通过 npm install 来安装。

npm install cheerio --save-dev npm install request --save-dev npm install iconv-lite --save-dev

初始化完成后的目录结构如下

--test -----node_modules -----package.json -----test.js

test.js主要代码

引入需要的模块，

var http = require('http'); var fs = require('fs'); var iconv = require('iconv-lite'); var cheerio = require('cheerio'); var request = require('request');

定义网站的URL,

var url ="";

定义数据保存文件,

var file = "./test.txt";

采用http发起一次get请求,

function InitialRequest(url){ http.get(url, function (req) { var html = ''; //保存请求网站的html代码 req.setEncoding('utf-8'); //防止中文乱码 //监听request data事件，当数据到来时触发事件 req.on('data', function (chunk) { //chunk表示接收到的数据 html += chunk; }); //监听request end事件，当数据传输完成时触发事件 req.on('end', function () { //用cheerio模块来解析html var $ = cheerio.load(html); //var images = $('img');//类似jquery获取dom元素 saveHtml(html,file);//将数据保存为文件 // console.log(html); }); }) }

保存为文件 saveHtml函数，通过node fs模块写入文件

function saveHtml(str, file){ fs.writeFile(file, str,function(err){ if(err) console.log("fail " + err); else console.log("success"); }); }

至此，已经将网页内容抓取后保存为 test.txt文件。

总结

这是用nodejs写的简单的爬虫抓取网页内容，其实也就是一个网络请求函数和一个保存文件函数，下面是完整代码。

var http = require('http'); var fs = require('fs'); var iconv = require('iconv-lite'); var cheerio = require('cheerio'); var request = require('request'); var url =""; var file = "./test.txt"; function InitialRequest(url){ http.get(url, function (req) { var html = ''; //保存请求网站的html代码 req.setEncoding('utf-8'); //防止中文乱码 //监听request data事件，当数据到来时触发事件 req.on('data', function (chunk) { //chunk表示接收到的数据 html += chunk; }); //监听request end事件，当数据传输完成时触发事件 req.on('end', function () { //用cheerio模块来解析html var $ = cheerio.load(html); //var images = $('img');//类似jquery获取dom元素 saveHtml(html,file);//将数据保存为文件 // console.log(html); }); }) } function saveHtml(str, file){ fs.writeFile(file, str,function(err){ if(err) console.log("fail " + err); else console.log("success"); }); } InitialRequest(url);