node.js怎么爬取中關(guān)村的在線電瓶車信息

這篇文章給大家分享的是有關(guān)node.js怎么爬取中關(guān)村的在線電瓶車信息的內(nèi)容。小編覺(jué)得挺實(shí)用的，因此分享給大家做個(gè)參考，一起跟隨小編過(guò)來(lái)看看吧。

步驟

第一步，引入需要的庫(kù)

var cheerio = require('cheerio');
var fetch = require('node-fetch');

// cheerio 是一個(gè)類似瀏覽器端的jQuery，用來(lái)解析HTML的
// fetch 用來(lái)發(fā)送請(qǐng)求

第二步，設(shè)置初始的爬取的入口(我身處杭州，所以地區(qū)選了杭州的?)

// 初始url
var url = "http://detail.zol.com.cn/convenienttravel/hangzhou/#list_merchant_loc"
// 由于每個(gè)a標(biāo)簽下是相對(duì)路徑，故需要一個(gè)根地址來(lái)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(fù)爬去
var urls = new Set()
// 存儲(chǔ)所有數(shù)據(jù)
var data = []

至此，我們的準(zhǔn)備部分結(jié)束了?，接下來(lái)，開(kāi)始表演了

分析網(wǎng)頁(yè)，思考爬取的方式

每行4款，每頁(yè)是48款，一共16頁(yè)

思路：

• 每次獲取當(dāng)前頁(yè)48個(gè)鏈接，并點(diǎn)進(jìn)去之后，拿到該電瓶車的名稱和價(jià)格（其他信息獲取方式一樣，自行改就好?）

• 第一頁(yè)的全部完成之后，翻到下一頁(yè)，繼續(xù)爬，直到最后一頁(yè)結(jié)束

首先我們定義一個(gè)函數(shù)如下

// 這是得到每個(gè)頁(yè)面的48個(gè)鏈接，并開(kāi)始發(fā)送請(qǐng)求

function ad(arg){
// 參數(shù) arg 先不管
// 本地化一下需要爬取的鏈接
let url2 = arg || url;
// 請(qǐng)求第一頁(yè)該網(wǎng)頁(yè)，拿到數(shù)據(jù)之后，復(fù)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(dāng)前頁(yè)所有電瓶車的a標(biāo)簽
var ele = $("#J_PicMode a.pic")
// 存放已經(jīng)爬取過(guò)的url，防止重復(fù)爬取
var old_urls = []
var urlapp = []
//拿到所有a標(biāo)簽地址之后，存在數(shù)組里面，等會(huì)兒要開(kāi)始爬的
for (let i = 0; i < ele.length; i++) {
old_urls.push(fetch(urlRoot+$(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(huán)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(yè)的數(shù)據(jù)就爬完了
// console.log(data);

// 然后開(kāi)始爬取下一頁(yè)
var nextURL = $(".next").attr('href')
// 判斷當(dāng)前頁(yè)是不是最后一頁(yè)
if (nextURL){
let next = await fetch(urlRoot+nextURL).then(res=>res.text())
// 獲取下一頁(yè)的標(biāo)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()

感謝各位的閱讀！關(guān)于“node.js怎么爬取中關(guān)村的在線電瓶車信息”這篇文章就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，讓大家可以學(xué)到更多知識(shí)，如果覺(jué)得文章不錯(cuò)，可以把它分享出去讓更多的人看到吧！