前言
今天沒有什麼前言，就是想分享些關於爬蟲的技術，任性。來吧，各位客官，裏邊請...
開篇第一問：爬蟲是什麼嘞？
首先咱們說哈，爬蟲不是“蟲子”，姑涼們不要害怕。
爬蟲 - 一種通過一定方式按照一定規則抓取數據的操作或方法。
開篇第二問：爬蟲能做什麼嘞？
來來來，談談需求
產品MM：
- 愛豆的新電影上架了，整體電影評價如何呢？
- 暗戀的妹子最近又失戀了，如何在她發微博的時候第一時間知道發了什麼，好去呵護呢？
- 總是在看小說的時候點到廣告？總是在看那啥的時候點出來，澳xx場又上線啦？
- 做個新聞類網站沒有數據源咋辦？
研發GG：
爬蟲隨時準備爲您服務！
- 使用爬蟲，拉取愛豆視頻所有的評價，導入表格，進而分析評價
- 使用爬蟲，加上定時任務，拉取妹子的微博，只要數據有變化，接入短信或郵件服務，第一時間通知
- 使用爬蟲，拉取小說內容或xxx的視頻，自己再設計個展示頁，perfect！
- 使用爬蟲，定時任務，拉取多個新聞源的新聞，存儲到數據庫
開篇第三問：爬蟲如何實現嘞？
實現爬蟲的技術有很多，如python、Node等，今天胡哥給大家分享使用Node做爬蟲：爬取小說網站-首頁推薦小說
爬取第一步-確定目標
目標網站：https://www.23us.so
我們要獲取排行榜中六部小說的：書名、封面、以及小說書籍信息對應的地址(後續獲取小說完整信息)
爬取第二步-分析目標特點
網頁的內容是由HTML生成的，抓取內容就相當找到特定的HTML結構，獲取該元素的值。
打開網頁調試控制檯，查看元素HTML結構。
注意觀察頁面HTML的結構，排行榜推薦的小說的HTML結構是
bdo#s-dd 元素
dd 子元素 - 每一部小說
a 目錄信息
img 封面
a 小說名稱爬取第三步-弄丫的
工具善其事必先利其器，準備好趁手的兵器！
superagent
模擬客戶端發送網絡請求，可設置請求參數、header頭信息
npm install superagent -Dcheerio
類jQuery庫，可將字符串導入，創建對象，用於快速抓取字符串中的符合條件的數據
npm install cheerio -D項目目錄：
node-pachong/
- index.js
- package.json
- node_modules/上代碼：
// node-pachong/index.js
/**
* 使用Node.js做爬蟲實戰
* author: justbecoder <[email protected]>
*/
// 引入需要的工具包
const sp = require('superagent');
const cheerio = require('cheerio');
// 定義請求的URL地址
const BASE_URL = 'http://www.23us.so';
// 1. 發送請求，獲取HTML字符串
(async () => {
let html = await sp.get(BASE_URL);
// 2. 將字符串導入，使用cheerio獲取元素
let $ = cheerio.load(html.text);
// 3. 獲取指定的元素
let books = []
$('#s_dd dd').each(function () {
let info = {
link: $(this).find('a').eq(0).attr('href'),
name: $(this).find('a').eq(1).text(),
image: $(this).find('img').attr('src')
}
books.push(info)
})
console.log(books)
})()
友情提醒：每個網站的HTML結構是不一樣，在抓取不同網站的數據時，要分析不同的解構，才能百發百中。
效果圖：
獲取到信息之後，做接口數據返回、存儲數據庫，你想幹啥都行...
源碼獲取
關注胡哥有話說公衆號，回覆“爬蟲”，即可獲取源碼地址。
後記
以上就是胡哥今天給大家分享的內容，喜歡的小夥伴記得收藏、轉發、點擊右下角按鈕在看，推薦給更多小夥伴呦，歡迎多多留言交流...
胡哥有話說，一個有技術，有情懷的胡哥！京東開放平臺首席前端攻城獅。與你一起聊聊大前端，分享前端系統架構，框架實現原理，最新最高效的技術實踐！
長按掃碼關注，更帥更漂亮呦！關注胡哥有話說公衆號，可與胡哥繼續深入交流呦！
