nodejs的爬蟲框架superagent有什么用

這篇文章主要介紹了nodejs的爬蟲框架superagent有什么用，具有一定借鑒價值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

前言

　　早就聽過爬蟲，這幾天開始學習nodejs，寫了個爬蟲https://github.com/leichangchun/node-

　　使用到這幾個點：

　　1、node的核心模塊-- 文件系統

　　2、用于http請求的第三方模塊 -- superagent

　　3、用于解析DOM的第三方模塊 -- cheerio

　　幾個模塊詳細的講解及API請到各個鏈接查閱，demo中只有簡單的用法。

準備工作

　　使用npm管理依賴，依賴信息會存放在package.json中

//安裝用到的第三方模塊
cnpm install --save superagent cheerio

　　引入所需要用到的功能模塊

//引入第三方模塊，superagent用于http請求，cheerio用于解析DOM
const request = require('superagent');
const cheerio = require('cheerio');
const fs = require('fs');

請求 + 解析頁面

　　想要爬到博客園首頁的內容，首先要請求首頁地址，拿到返回的html，這里使用superagent進行http請求，基本的使用方法如下：

request.get(url)
      .end(error,res){
      //do something     
}

　　向指定的url發起get請求，請求錯誤時，會有error返回（沒有錯誤時，error為null或undefined），res為返回的數據。

　　拿到html內容后，要拿到我們想要的數據，這個時候就需要用cheerio解析DOM了，cheerio要先load目標html，然后再進行解析，API和jquery的API非常類似，熟悉jquery上手非常快。直接看代碼實例

//目標鏈接 博客園首頁
let targetUrl = 'https://www.cnblogs.com/';
//用來暫時保存解析到的內容和圖片地址數據
let content = '';
let imgs = [];
//發起請求
request.get(targetUrl)
    .end( (error,res) => {
      if(error){ //請求出錯，打印錯誤，返回
        console.log(error)
        return;
      }
      // cheerio需要先load html
      let $ = cheerio.load(res.text);
      //抓取需要的數據,each為cheerio提供的方法用來遍歷
      $('#post_list .post_item').each( (index,element) => {
        //分析所需要的數據的DOM結構
        //通過選擇器定位到目標元素，再獲取到數據
        let temp = {
          '標題' : $(element).find('h4 a').text(),
          '作者' : $(element).find('.post_item_foot > a').text(),
          '閱讀數' : +$(element).find('.article_view a').text().slice(3,-2),
          '推薦數' : +$(element).find('.diggnum').text()
        }
        //拼接數據
        content += JSON.stringify(temp) + '\n';
        //同樣的方式獲取圖片地址
        if($(element).find('img.pfs').length > 0){
          imgs.push($(element).find('img.pfs').attr('src'));
        }
      });
      //存放數據
      mkdir('./content',saveContent);
      mkdir('./imgs',downloadImg);
    })

存儲數據

　　上面解析DOM之后，已經拼接了所需要的信息內容，也拿到了圖片的URL，現在就進行存儲，把內容存放到指定目錄的txt文件中，而且下載圖片到指定目錄

　　先創建目錄，使用nodejs核心的文件系統

//創建目錄
function mkdir(_path,callback){
  if(fs.existsSync(_path)){
    console.log(`${_path}目錄已存在`)
  }else{
    fs.mkdir(_path,(error)=>{
      if(error){
        return console.log(`創建${_path}目錄失敗`);
      }
      console.log(`創建${_path}目錄成功`)
    })
  }
  callback(); //沒有生成指定目錄不會執行
}

　　有了指定目錄之后，可以寫入數據了，txt文件的內容已經有了，直接寫入就可以了使用writeFile()

//將文字內容存入txt文件中
function saveContent() {
  fs.writeFile('./content/content.txt',content.toString());
}

　　取到了圖片的鏈接，所以需要再使用superagent下載圖片，存在本地。superagent可以直接返回一個響應流，再配合nodejs的管道，直接把圖片內容寫到本地

//下載爬到的圖片
function downloadImg() {
  imgs.forEach((imgUrl,index) => {
    //獲取圖片名 
    let imgName = imgUrl.split('/').pop();
    //下載圖片存放到指定目錄
    let stream = fs.createWriteStream(`./imgs/${imgName}`);
    let req = request.get('https:' + imgUrl); //響應流
    req.pipe(stream);
    console.log(`開始下載圖片 https:${imgUrl} --> ./imgs/${imgName}`);     
  } )
}

效果　　

　　執行下demo，看下效果，數據已經正常爬下來了

感謝你能夠認真閱讀完這篇文章，希望小編分享的“nodejs的爬蟲框架superagent有什么用”這篇文章對大家有幫助，同時也希望大家多多支持億速云，關注億速云行業資訊頻道，更多相關知識等著你來學習!