node.js簡(jiǎn)單爬蟲(chóng)的方法是什么

這篇文章主要介紹“node.js簡(jiǎn)單爬蟲(chóng)的方法是什么”，在日常操作中，相信很多人在node.js簡(jiǎn)單爬蟲(chóng)的方法是什么問(wèn)題上存在疑惑，小編查閱了各式資料，整理出簡(jiǎn)單好用的操作方法，希望對(duì)大家解答”node.js簡(jiǎn)單爬蟲(chóng)的方法是什么”的疑惑有所幫助！接下來(lái)，請(qǐng)跟著小編一起來(lái)學(xué)習(xí)吧！

步驟一：安裝node.js

下載并安裝node，此步驟比較簡(jiǎn)單就不詳細(xì)解釋了，有問(wèn)題的可以直接問(wèn)一下度娘。

步驟二：建立工程

1）打開(kāi)dos命令條，cd進(jìn)入想要?jiǎng)?chuàng)建項(xiàng)目的路徑（我將此項(xiàng)目直接放在了E盤(pán)，以下皆以此路徑為例）；

2）mkdir node （創(chuàng)建一個(gè)文件夾用來(lái)存放項(xiàng)目，我這里取名為node）；

3）cd 進(jìn)入名為node的文件夾，并執(zhí)行npm init初始化工程（期間會(huì)讓填寫(xiě)一些信息，我是直接回車(chē)的）；

步驟三：創(chuàng)建爬取到的數(shù)據(jù)存放的文件夾

1）創(chuàng)建data文件夾用來(lái)存放發(fā)型師基本信息；

2）創(chuàng)建image文件夾用來(lái)存儲(chǔ)發(fā)型師頭像圖片；

　　此時(shí)工程下文件如下：　

步驟四：安裝第三方依賴(lài)包（fs是內(nèi)置模塊，不需要單獨(dú)安裝）

1）npm install cheerio –save

2）npm install superagent –save

3）npm install async –save

4）npm install request –save

分別簡(jiǎn)單解釋一下上面安裝的依賴(lài)包：

cheerio：是nodejs的抓取頁(yè)面模塊，為服務(wù)器特別定制的，快速、靈活、實(shí)施的jQuery核心實(shí)現(xiàn)，則能夠?qū)φ?qǐng)求結(jié)果進(jìn)行解析，解析方式和jQuery的解析方式幾乎完全相同；

superagent：能夠?qū)崿F(xiàn)主動(dòng)發(fā)起get/post/delete等請(qǐng)求；

async：async模塊是為了解決嵌套金字塔,和異步流程控制而生，由于nodejs是異步編程模型，有一些在同步編程中很容易做到的事情，現(xiàn)在卻變得很麻煩。Async的流程控制就是為了簡(jiǎn)化這些操作；

request：有了這個(gè)模塊，http請(qǐng)求變的超簡(jiǎn)單，Request使用簡(jiǎn)單，同時(shí)支持https和重定向； 

步驟五：編寫(xiě)爬蟲(chóng)程序代碼

打開(kāi)hz.js，編寫(xiě)代碼：

var superagent = require('superagent'); 
var cheerio = require('cheerio');
var async = require('async');
var fs = require('fs');
var request = require('request');
var page=1; //獲取發(fā)型師處有分頁(yè)功能，所以用該變量控制分頁(yè)
var num = 0;//爬取到的信息總條數(shù)
var storeid = 1;//門(mén)店ID
console.log('爬蟲(chóng)程序開(kāi)始運(yùn)行......');

function fetchPage(x) {   //封裝函數(shù)
  startRequest(x); 
}
function startRequest(x) {

  superagent
    .post('http://tweixin.yueyishujia.com/v2/store/designer.json')
    .send({ 
      // 請(qǐng)求的表單信息Form data
      page : x, 
      storeid : storeid
    })
      // Http請(qǐng)求的Header信息
    .set('Accept', 'application/json, text/javascript, */*; q=0.01')
    .set('Content-Type','application/x-www-form-urlencoded; charset=UTF-8')
    .end(function(err, res){     
      // 請(qǐng)求返回后的處理
      // 將response中返回的結(jié)果轉(zhuǎn)換成JSON對(duì)象
      if(err){
        console.log(err);
      }else{
        var designJson = JSON.parse(res.text);
        var deslist = designJson.data.designerlist;
        if(deslist.length > 0){
          num += deslist.length;
          // 并發(fā)遍歷deslist對(duì)象
          async.mapLimit(deslist, 5, 
            function (hair, callback) {
            // 對(duì)每個(gè)對(duì)象的處理邏輯
               console.log('...正在抓取數(shù)據(jù)ID：'+hair.id+'----發(fā)型師:'+hair.name);
               saveImg(hair,callback);
            }, 
            function (err, result) {
              console.log('...累計(jì)抓取的信息數(shù)→→' + num);
            }
          );
          page++;
          fetchPage(page);
        }else{
          if(page == 1){
            console.log('...爬蟲(chóng)程序運(yùn)行結(jié)束~~~~~~~');
            console.log('...本次共爬取數(shù)據(jù)'+num+'條...');
            return;
          }
          storeid += 1;
          page = 1;
          fetchPage(page);
        }
      }
    });
} 
fetchPage(page);
function saveImg(hair,callback){
  // 存儲(chǔ)圖片
  var img_filename = hair.store.name+'-'+hair.name + '.png';

  var img_src = 'http://photo.yueyishujia.com:8112' + hair.avatar; //獲取圖片的url

  //采用request模塊，向服務(wù)器發(fā)起一次請(qǐng)求，獲取圖片資源
  request.head(img_src,function(err,res,body){
    if(err){
      console.log(err);
    }else{
        request(img_src).pipe(fs.createWriteStream('./image/' + img_filename));   //通過(guò)流的方式，把圖片寫(xiě)到本地/image目錄下，并用發(fā)型師的姓名和所屬門(mén)店作為圖片的名稱(chēng)。
        console.log('...存儲(chǔ)id='+hair.id+'相關(guān)圖片成功！');
    }
  });
  // 存儲(chǔ)照片相關(guān)信息
  var html = '姓名：'+hair.name+'<br>職業(yè)：'+hair.jobtype+'<br>職業(yè)等級(jí)：'+hair.jobtitle+'<br>簡(jiǎn)介：'+hair.simpleinfo+'<br>個(gè)性簽名：'+hair.info+'<br>剪發(fā)價(jià)格：'+hair.cutmoney+'元<br>店名：'+hair.store.name+'<br>地址：'+hair.store.location+'<br>聯(lián)系方式：'+hair.telephone+'<br>頭像：<img src='+img_src+' >';
  fs.appendFile('./data/' +hair.store.name+'-'+ hair.name + '.html', html, 'utf-8', function (err) {
    if (err) {
      console.log(err);
    }
  });
  callback(null, hair);
}

步驟六：運(yùn)行爬蟲(chóng)程序

輸入node hz.js命令運(yùn)行爬蟲(chóng)程序，效果圖如下：

運(yùn)行成功后，發(fā)型師基本信息以html文件的形式存儲(chǔ)在data文件夾中，發(fā)型師頭像圖片存儲(chǔ)在image文件夾下。

到此，關(guān)于“node.js簡(jiǎn)單爬蟲(chóng)的方法是什么”的學(xué)習(xí)就結(jié)束了，希望能夠解決大家的疑惑。理論與實(shí)踐的搭配能更好的幫助大家學(xué)習(xí)，快去試試吧！若想繼續(xù)學(xué)習(xí)更多相關(guān)知識(shí)，請(qǐng)繼續(xù)關(guān)注億速云網(wǎng)站，小編會(huì)繼續(xù)努力為大家?guī)?lái)更多實(shí)用的文章！