50行代碼抓取一個(gè)網(wǎng)站

50行代碼抓取一個(gè)網(wǎng)站

很多年前寫的代碼了近她,只是記錄一下

主要使用nodejs + cheerio

cheerio可以采用jquery方式解析dom結(jié)構(gòu)琅捏,網(wǎng)上很多不做轉(zhuǎn)述

如果只是json數(shù)據(jù)的話完箩,可以不用cheerio

實(shí)現(xiàn)數(shù)據(jù)抓取鹿霸,數(shù)據(jù)篩選泵喘,頻率控制泪电,斷點(diǎn)續(xù)傳

npm install?cheerio

npm install?superagent-prefix

npm install?superagent-charset

npm install?line-reader

貼代碼:

var prefix = require('superagent-prefix')('/static');

var request = require('superagent-charset');

var cheerio = require('cheerio');

var fs = require('fs');

var lineReader = require('line-reader'); //日志定義

var log4js = require('log4js');

log4js.configure("./log4js.json"); //注:配置里的日志目錄要先創(chuàng)建,才能加載配置纪铺,不然會(huì)出異常

var logger = log4js.getLogger('log');

var startUrl = 'http://XXXXXXX.com/search/?q=27age&iy431rzm&per_page=20&wfl=1&page=';//起始地址

var fileName = 'result.txt';//文件生成目錄

var num=1;

function doUrl(url){

????request.get(url) .use(prefix) // Prefixes *only* this request

????.charset('utf-8')

????.end(function(err, res){

????????if(err){ console.log(err); }

????????//獲取網(wǎng)頁(yè)中的json數(shù)據(jù)

????????var json = res.text.substring(res.text.indexOf('app.page["pins"] ????????=')+19,res.text.indexOf('app.page["page"]')-2);

????????var obj = JSON.parse(json);

????????var lastId = '';

????????if(obj.length > 0){

????????????for(var i=0;i<obj.length;i++){//數(shù)據(jù)篩選

????????????????if(obj[i] != null && obj[i].source != null && obj[i].source=='xxxx'){

????????????????????lastId = obj[i].pin_id;

????????????????????appendToFile(fileName, obj[i].pin_id + ',' + obj[i].link + ',http://xxxx.com/pins/' + obj[i].pin_id + ',' + obj[i].repin_count + ',' + obj[i].like_count + ',' + obj[i].comment_count + '\r\n');

????????????????????}

????????????????}

????????????????num++;

????????????????var nextUrl = startUrl + num;//下一頁(yè)鏈接

????????????????fs.writeFile('num.txt', num);//記錄已經(jīng)抓取的頁(yè)號(hào)

????????????????logger.info('do next, ulr = ' + nextUrl);//抓取下一頁(yè)數(shù)據(jù)

????????????????setTimeout(function(){doUrl(nextUrl)},600);//控制抓取頻率相速,不然很容易被封

????????????}else {

????????????????logger.info('沒(méi)有更多數(shù)據(jù), url = ' + url);

????????????}

????});

}

function appendToFile(fileName,line){

????fs.appendFile(fileName,line,function(err){if(err) throw err});

}

lineReader.eachLine('num.txt', function(line, last) {//啟動(dòng)時(shí)鲜锚,從上次抓取的最后一頁(yè)開(kāi)始抓取

????num = line;

????doUrl(startUrl + num);//程序啟動(dòng)

????return false;

});

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末突诬,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子芜繁,更是在濱河造成了極大的恐慌旺隙,老刑警劉巖,帶你破解...
    沈念sama閱讀 211,194評(píng)論 6 490
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件骏令,死亡現(xiàn)場(chǎng)離奇詭異蔬捷,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)伏社,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,058評(píng)論 2 385
  • 文/潘曉璐 我一進(jìn)店門抠刺,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)塔淤,“玉大人,你說(shuō)我怎么就攤上這事速妖「叻洌” “怎么了?”我有些...
    開(kāi)封第一講書(shū)人閱讀 156,780評(píng)論 0 346
  • 文/不壞的土叔 我叫張陵罕容,是天一觀的道長(zhǎng)备恤。 經(jīng)常有香客問(wèn)我,道長(zhǎng)锦秒,這世上最難降的妖魔是什么露泊? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 56,388評(píng)論 1 283
  • 正文 為了忘掉前任,我火速辦了婚禮旅择,結(jié)果婚禮上惭笑,老公的妹妹穿的比我還像新娘。我一直安慰自己生真,他們只是感情好娄猫,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,430評(píng)論 5 384
  • 文/花漫 我一把揭開(kāi)白布鸠儿。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪录语。 梳的紋絲不亂的頭發(fā)上敲长,一...
    開(kāi)封第一講書(shū)人閱讀 49,764評(píng)論 1 290
  • 那天技俐,我揣著相機(jī)與錄音鸣驱,去河邊找鬼。 笑死术瓮,一個(gè)胖子當(dāng)著我的面吹牛康聂,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播胞四,決...
    沈念sama閱讀 38,907評(píng)論 3 406
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼早抠,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了撬讽?” 一聲冷哼從身側(cè)響起,我...
    開(kāi)封第一講書(shū)人閱讀 37,679評(píng)論 0 266
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤悬垃,失蹤者是張志新(化名)和其女友劉穎游昼,沒(méi)想到半個(gè)月后,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體尝蠕,經(jīng)...
    沈念sama閱讀 44,122評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡烘豌,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,459評(píng)論 2 325
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了看彼。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片廊佩。...
    茶點(diǎn)故事閱讀 38,605評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡囚聚,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出标锄,到底是詐尸還是另有隱情顽铸,我是刑警寧澤,帶...
    沈念sama閱讀 34,270評(píng)論 4 329
  • 正文 年R本政府宣布料皇,位于F島的核電站谓松,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏践剂。R本人自食惡果不足惜鬼譬,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,867評(píng)論 3 312
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望逊脯。 院中可真熱鬧优质,春花似錦、人聲如沸军洼。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 30,734評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)歉眷。三九已至牺六,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間汗捡,已是汗流浹背淑际。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 31,961評(píng)論 1 265
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留扇住,地道東北人春缕。 一個(gè)月前我還...
    沈念sama閱讀 46,297評(píng)論 2 360
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像艘蹋,于是被迫代替她去往敵國(guó)和親锄贼。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,472評(píng)論 2 348

推薦閱讀更多精彩內(nèi)容