轻松上手nodeJs爬取想要页面的数据

开始之前请先确保自己安装了Node.js环境！！！！！！！！

1.在项目文件夹安装两个必须的依赖包

 npm install superagent -S

SuperAgent(官网是这样解释的)

-----SuperAgent is light-weight progressive ajax API crafted for flexibility, readability, and a low learning curve after being frustrated with many of the existing request APIs. It also works with Node.js!

-----superagent 是一个轻量的,渐进式的ajax api,可读性好,学习曲线低,内部依赖nodejs原生的请求api,适用于nodejs环境下

npm install cheerio -S

2.Cheerio

-----cheerio是nodejs的抓取页面模块，为服务器特别定制的，快速、灵活、实施的jQuery核心实现。适合各种Web爬虫程序。相当于node.js中的jQuery

3.新建 crawler.js 文件

在里面输入　　

 1 //导入依赖包 
 2 const http = require("http"); 
 3 const path = require("path");

 const url = require("url");

 const fs = require("fs");

 const superagent = require("superagent");

 const cheerio = require("cheerio");

 superagent

     .get("https://www.zhipin.com/job_detail/?city=100010000&source=10&query=%E5%89%8D%E7%AB%AF")

     .end((error, response) => {

         //获取页面文档数据

         var content = response.text;

         //cheerio也就是nodejs下的jQuery  将整个文档包装成一个集合，定义一个变量$接收

         var $ = cheerio.load(content);

         //定义一个空数组，用来接收数据

         var result = [];

         //分析文档结构  先获取每个li 再遍历里面的内容(此时每个li里面就存放着我们想要获取的数据)

         $(".job-list li .job-primary").each((index, value) => {

             //地址和类型为一行显示，需要用到字符串截取

             //地址

             let address = $(value).find(".info-primary").children().eq(1).html();

             //类型

             let type = $(value).find(".info-company p").html();

             //解码

             address = unescape(address.replace(/&#x/g, '%u').replace(/;/g, ''));

             type = unescape(type.replace(/&#x/g, '%u').replace(/;/g, ''))

                 //字符串截取

             let addressArr = address.split('<em class="vline"></em>');

             let typeArr = type.split('<em class="vline"></em>');

             //将获取的数据以对象的形式添加到数组中

             result.push({

                 title: $(value).find(".name .job-title").text(),

                 money: $(value).find(".name .red").text(),

                 address: addressArr,

                 company: $(value).find(".info-company a").text(),

                 type: typeArr,

                 position: $(value).find(".info-publis .name").text(),

                 txImg: $(value).find(".info-publis img").attr("src"),

                 time: $(value).find(".info-publis p").text()

             });

             // console.log(typeof $(value).find(".info-primary").children().eq(1).html());

         });

         //将数组转换成字符串

         result = JSON.stringify(result);

         //将数组输出到json文件里  刷新目录 即可看到当前文件夹多出一个boss.json文件(打开boss.json文件，ctrl+A全选之后 ctrl+K，再Ctrl+F即可将json文件自动排版)

         fs.writeFile("boss.json", result, "utf-8", (error) => {

             //监听错误，如正常输出，则打印null

             if (error == null) {

                 console.log("恭喜您，数据爬取成功!请打开json文件，先Ctrl+A，再Ctrl+K,最后Ctrl+F格式化后查看json文件(仅限Visual Studio Code编辑器)");

             }

         });

     });

4.更改数据(如果是静态页面上面的操作基本上就已经完成了直接node .\cralwer.js，但是现实中很多都不是)

　1.在游览器中输入想要爬取的地址

　　例如：https://www.zhipin.com/job_detail/?city=100010000&source=10&query=%E5%89%8D%E7%AB%AF

　2.进入控制台选中body copy element

　3.在编辑器中粘贴即可

　5.在服务器环境下运行这个网页

　　7.复制这个地址栏地址

　　　　然后粘贴在文件 cralwer.js .get()中

　　 8. 在终端中运行

　　　　 node .\cralwer.js

　　最后本文借鉴于https: //blog.csdn.net/twodogya/article/details/80204322