一、前言
一直感覺爬蟲是個挺高端的東西 大數據時代 爬蟲顯得尤爲重要。經過一番探索,終於用node實現了這個功能,還包括對抓取內容的解析
二、正文
1、首先搭建一個http服務,這裏使用我們熟悉的koa(這個是非必須的 你也可以使用純node去抓 這裏主要爲了方便交互、看效果或者給非技術人員使用方便)
服務端 index.js 代碼
const Koa = require('koa');
const Router = require('koa-router'); // 路由
const {greenFmt, green, purple} = require('color7log'); // log工具
const app = new Koa();
const router = new Router();
// 默認頁面
router.get('/', async (ctx, next) => {
ctx.response.type = 'html';
ctx.response.body = fs.createReadStream('./index.html');
});
app.use(router.routes())
app.listen(3000);
green('服務已運行,端口:3000')
node index.js啓動服務 即可訪問你的頁面了 當然項目下要有一個 index.html 內容請自己解決
2、核心代碼 使用node http模塊請求一個 html頁面
依賴模塊,請自行安裝
const cheerio = require('cheerio');
const zlib = require('zlib');
const iconv = require('iconv-lite');
var http = require('http') // 引入模塊
var url = 'http://kaijiang.500.com/shtml/ssq/03001.shtml'
// 獲取頁面源碼,調用方法進行解析及輸出
http.get(url, function(res) {
var html = ''
var arr = [];
var chunks;
res.on('data', function(data) {
arr.push(data);
})
res.on('end', function() {
chunks = Buffer.concat(arr);
chunks = zlib.unzipSync(chunks) // 因爲頁面時gzip 所以要解壓 如果頁面時普通文本 不需要這個
var body = iconv.decode(chunks, 'gbk'); // 轉化爲可見字符
var cheerio = require('cheerio'), // 一個用法類似jq的庫 node後端使用 很方便的處理各種html模板
$ = cheerio.load(body); // 初始化dom對象
let content = $(".iSelectList a")
let params = []
for (let i = 0; i < content.length; i++) {
params.push($(content[i]).html()) // 獲取每一期的編碼 方便以後遍歷使用
}
let nums = $(".ball_box01 li")
for (let i = 0; i < nums.length; i++) {
green($(nums[i]).html()) // 這裏實現了 抓鬼彩票的中獎號碼
}
// 把各期的編碼 寫入到文件 方便使用
fs.writeFile("./data.txt", params.join(','), function(){
console.log("完成")
});
})
}).on('error', function() {
console.log('獲取數據出錯!')
})
看頁面是不是gzip的方法如下
完整可運行代碼地址 node爬蟲