要爬取動態網頁,可以使用Node.js的一些庫和工具,如Puppeteer、Cheerio和Axios。下面是一個使用這些工具的示例:
npm install puppeteer cheerio axios
const puppeteer = require('puppeteer');
const cheerio = require('cheerio');
const axios = require('axios');
async function scrapeDynamicPage(url) {
const browser = await puppeteer.launch();
const page = await browser.newPage();
await page.goto(url);
// 在這里可以進行一些交互操作,如點擊按鈕、滾動頁面等
// await page.click('#button');
// await page.waitForTimeout(2000);
// await page.evaluate(() => window.scrollTo(0, document.body.scrollHeight));
// 獲取動態生成的HTML內容
const html = await page.content();
// 關閉瀏覽器實例
await browser.close();
return html;
}
function parseHTML(html) {
const $ = cheerio.load(html);
// 在這里可以使用Cheerio提供的選擇器來提取數據
const title = $('h1').text();
const description = $('p').text();
return { title, description };
}
async function fetchDynamicPage(url) {
try {
const response = await axios.get(url);
return response.data;
} catch (error) {
console.error('Error fetching page:', error);
return null;
}
}
const url = 'https://example.com';
const dynamicHtml = await scrapeDynamicPage(url);
const data = parseHTML(dynamicHtml);
console.log(data);
請注意,爬取動態網頁可能會受到網站的反爬蟲機制限制。在實際使用時,請遵守網站的使用條款和規定,并確保你的爬蟲行為合法和道德。