使用nodejs爬取拉勾苏州和上海的.NET职位信息

Posted 2020-06-20 菜鸟耕地

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了使用nodejs爬取拉勾苏州和上海的.NET职位信息相关的知识，希望对你有一定的参考价值。

最近开始找工作，本人苏州，面了几家都没有结果很是伤心。在拉勾上按照城市苏州关键字.NET来搜索一共才80来个职位，再用薪水一过滤，基本上没几个能投了。再加上最近苏州的房价蹭蹭的长，房贷压力也是非常大，所以有点想往上海去发展。闲来无聊写了个小爬虫，爬了下苏州跟上海的.NET职位的信息，然后简单对比了一下。

是的小弟擅长.NET，为啥用nodejs？因为前几天有家公司给了个机会可以转nodejs，所以我是用来练手的，不过后来也泡汤了，但是还是花两晚写完了。刚学，代码丑轻喷哈！

一：如何爬取拉勾的数据

这个其实非常简单，本来还以为要用正则去分析html，其实拉勾分页提了ajax的接口，可以直接用http去访问。打开神器Chrome的F12一看便知。

这是用nodejs模拟分页请求的代码：

var getData = function (kd,city,pn) {
    var mongo = require(\'./mongo\');
    var http = require(\'http\');
    var queryString = require(\'querystring\');

    var postData=queryString.stringify({
        \'pn\':pn,
        \'kd\':kd,
        \'first\':false
    });

    var options = {
        hostname:\'www.lagou.com\',
        method:\'POST\',
        path:\'/jobs/positionAjax.json?px=default&city=\'+city,
        headers: {
        \'Content-Type\': \'application/x-www-form-urlencoded\',
        \'Content-Length\': postData.length
        }
    };
    
    var postResult = \'\';
    
    var req = http.request(options,(res)=>{
        console.log(`STATUS:${res.statusCode}`);
        res.setEncoding(\'utf8\');
        res.on(\'data\',(chunk)=>{
            postResult+=chunk;
        }); 
        res.on(\'end\',()=>{
            console.log(`RESULT:${postResult}`);
            var jsonObj =JSON.parse(postResult);
            //insert into db
            jsonObj.content.result.forEach((item)=>{
                var salary = item.salary;
                //拆分3k-6k，易于统计
                var arr = salary.split(\'-\');
                var min = arr[0].substring(0,arr[0].indexOf(\'k\'));
                var max = arr.length>1? arr[1].substring(0,arr[1].indexOf(\'k\')):min;
                item.salaryMin = parseInt(min);
                item.salaryMax = parseInt(max);
                
                mongo.save(city,item);
            });
            if(jsonObj.content.hasNextPage&&jsonObj.content.totalPageCount>pn){
                getData(kd,city,pn+1);
            }
        });
        req.on(\'error\',(e)=>{
            console.log(`problem with request:${e.message}`);
        }); 
    });

    req.write(postData);
    req.end();
    console.log(`start to get data. pn:${pn} city:${city} kd:${kd}`);
};

exports.run = getData;

二：数据存储在哪里

拉勾的分页接口返回的是json对象，那么自然是存mongoDb最简单了。

下面是mongoDb的封装：

var save=function (city,jsonObj) {
    var Db = require(\'mongodb\').Db;
    var Server = require(\'mongodb\').Server;

    var db = new Db(\'test\',new Server(\'localhost\',27017))

    db.open((err,db)=>{
        var coll = db.collection(city);
        coll.save(jsonObj,(err,r)=>{
            if(!err){
               console.log(\'save to \'+city); 
            }
            
            db.close();
        });
        
    });
};

var removeAll = function (city,callback) {
    var Db = require(\'mongodb\').Db;
    var Server = require(\'mongodb\').Server;

    var db = new Db(\'test\',new Server(\'localhost\',27017))

    db.open((err,db)=>{
        var coll = db.collection(city);
        coll.remove((err,numOfRows)=>{
            if(!err){
                console.log(`${city} collection be removed. ${numOfRows}`);
            }
            db.close();
            callback(err);
        });
      
    });
};

var readAll=function (city,callback) {
    var Db = require(\'mongodb\').Db;
    var Server = require(\'mongodb\').Server;

    var db = new Db(\'test\',new Server(\'localhost\',27017))

    db.open((err,db)=>{
        var coll = db.collection(city);
        var cursor = coll.find();
        cursor.toArray((err,results)=>{
            if(!err){
                callback(results);
                //db.close();        
            }
            db.close();
        });
    });
}

exports.save = save;
exports.removeAll = removeAll;
exports.readAll = readAll;

三：如何展示数据

使用nodejs自带的httpServer，接受到请求的时候直接读取一个html文件，然后把对比的信息填入html文本里，用一个h5的chart来展示

下面是服务器的代码：

var http = require(\'http\');
var fs = require(\'fs\');
var stati = require(\'./statistics\');
var szStati = {text:\'SuZhou\'};
var shStati = {text:\'ShangHai\'};

var server=new http.Server();  
server.on(\'request\',function(req,res){  
    res.writeHead(200,{\'Content-Type\':\'text/html\'});  
    
    fs.readFile(\'./index.html\',\'utf8\',(err,data)=>{
        if (err) {
            throw err;
        }
        console.log(data);
        // res.write(data);
        // res.end();
        stati.statiSalary(\'苏州\',(results)=>{
            szStati.values = results;
            stati.statiSalary(\'上海\',(results)=>{
                shStati.values = results;
                var series =[szStati,shStati];
                var strSeries = JSON.stringify(series);
                console.log(strSeries);
                
                data = data.replace(\'@series\',strSeries);
                console.log(data);
                
                res.write(data);
                res.end();
            });
        });
    });
});  
  
server.listen(3000);  
console.log(\'http server started...port:3000\');