http 小爬虫

Posted 2020-08-31 Sandrawyy

初学nodejs写一个http小爬虫，爬虫就是把网页上的代码爬下来。

代码：

var http = require(‘http‘) //加载http模块
var url = ‘http://www.imooc.com/learn/713‘

http.get(url,function(res){   //get去请求url，此处以慕课网为例
var html = ‘‘
res.on(‘data‘,function(data){
html += data     //请求数据赋值给前面定义的html
})
res.on(‘end‘,function(){
console.log(html)  //打印html
}).on(‘error‘,function(){
console.log(‘获取课程数据出错！‘)
})
})

 

保存，然后在node环境下运行 ，命令:node 文件名  

亲测成功。

案例二：

首先需要安装一下cheerio模块，cheerio模块可以在服务器端使用jquery的方式

安装方法:

npm install cheerio

首先开启本地一个服务器测试一下

//js代码

var http = require(‘http‘)

http

　　.createServer(function(req,res){

res.writeHead(200,{‘Content-Type‘:‘text/plain});

res.write(‘开始了‘);

res.end();

}).listen(8080);

下面贴代码：

‘use strict‘;
var http = require(‘http‘)
var cheerio = require(‘cheerio‘)
var url = ‘http://www.imooc.com/learn/348‘
function filterChapters(html){
var $ = cheerio.load(html)
var chapters = $(‘.chapter‘)
/*[{
chapterTitle: ‘‘,
videos:[
title:‘‘,
id: ‘‘
]
}]*/
var courseData = []
chapters.each(function(item){
var chapter = $(this)
var chapterTitle = chapter.find(‘strong‘).text()
var videos = chapter.find(‘.video‘).children(‘li‘)
var chapterData = {
chapterTitle: chapterTitle,
videos:[]
}
videos.each(function(item){
var video = $(this).find(‘.J-media-item‘)
var videoTitle = video.text()
var id = video.attr(‘href‘).split(‘video/‘)[1]
chapterData.videos.push({
title: videoTitle,
id: id
})

})
courseData.push(chapterData)
})
return courseData
}
function printCourseInfo(courseData){
console.log(‘获取课程数据1！‘)
courseData.forEach(function(item){
var chapterTitle = item.chapterTitle
console.log(chapterTitle + ‘\n‘)
item.videos.forEach(function(video){
console.log(‘【‘ + video.id +‘】‘ + video.title + ‘\n‘)
})
console.log(‘获取课程数据2！‘)
})
}
http.get(url,function(res){
var html = ‘‘
res.on(‘data‘,function(data){
html += data
})
res.on(‘end‘,function(){
var courseData = filterChapters(html)
printCourseInfo(courseData)
}).on(‘error‘,function(){
console.log(‘获取课程数据出错！‘)
})
console.log(‘获取课程数据3！‘)

})

亲测有效