nodejs學習筆記（1）——網路爬蟲

不知不覺做nodejs開發已經將近一年多了，過程中學了很多，也忘了很多，所以還是堅持在博客裡面留下點內容，方便以後查看。

本文主要實現一個簡單的網站爬蟲功能，抓取網站裡面的圖片以及內容。

在抓取之前用到了superagent、cheerio、request、fs模塊。

superagent和http用途其實是差不多的，都是通過url模擬請求，為了記錄一下用法，這裡兩個都用了；cheerio我個人理解就相當於一個服務端的jquery，可以對響應的內容進行過濾，用法跟jquery一樣；fs模塊是nodejs裡面的文件操作模塊。

以爬取360網站為例：

 1 /**
 2  * 網路爬蟲
 3  */
 4 
 5 let sup = require("superagent");
 6 let cheer = require("cheerio");
 7 let request = require("request");
 8 let fs = require("fs");
 9 const domain = "www.360.com";
10 const url = "https://" + domain + "/";
11 sup.get(url).end(function (err, res, body) {
12     if (err) {
13         console.log(err);
14     } else {
15         console.log('----------------------');
16         //找出頁面響應的文本內容 
17         let $ = cheer.load(res.text);
18         //通過cheerio過濾內容  用法與jquery一樣   如：找出裡面所有的圖片
19         let rst = $("img"); 
20         rst.each(function (idx, item) {
21             //這裡request.get的encoding一定要設置為null，api文檔有說明，為null的時候響應文本會返回一個buffer
22             let imgUrl = ((item.attribs.src.includes(('http://', 'https://'))) ? url : 'http:') + item.attribs.src;

23             console.log('********************', imgUrl);

24             request.get({ url: imgUrl, encoding: null }, function (error, response, body) {
25                 if (error) {
26                     console.error(error);
27                 } else {
28                     //持續下載數據
29                     let dir = domain + "/" + item.attribs.src.replace('//', '');
30                     let path = dir.split('/');
31                     //去掉最後的文件名部分
32                     path.pop();
33                     if (fs.existsSync(path.join('/')) == false) {
34                         //迴圈創建文件夾
35                         var dirInfo = "";
36                         for (var i = 0; i < path.length; i++) {
37                             dirInfo += path[i] + "/"
38                             if (fs.existsSync(dirInfo) == false && dirInfo != '')
39                                 fs.mkdirSync(dirInfo);
40                         }
41                     }
42                     //把body的的string轉為object寫入到文件
43                     fs.writeFile(dir, body, (err) => {
44                         console.log('----------------', err);
45                     })
46                 }
47             })
48         })
49     }
50 })

以上為個人學習記錄，只是一個學習的知識點分享，如果不對之處，請留言指出。