NodeJs实现简单的爬虫功能案例分析

2019-11-19 12:24:35

字体：大中小

来源：转载

供稿：网友

1.爬虫：爬虫，是一种按照一定的规则，自动地抓取网页信息的程序或者脚本；利用NodeJS实现一个简单的爬虫案例，爬取Boss直聘网站的web前端相关的招聘信息，以广州地区为例；

2.脚本所用到的nodejs模块

express 用来搭建一个服务，将结果渲染到页面

swig 模板引擎

cheerio 用来抓取页面的数据

requests 用来发送请求数据(具体可查:https://www.npmjs.com/package/requests)

async 用来处理异步操作，解决请求嵌套的问题，脚本中只使用了async.whilst(test,iteratee,callback),具体可见：https://caolan.github.io/async/

3.实现流程：

首先先获取到所爬取页面的URL,打开boss直聘网站，搜索web前端既可以获取到 https://www.zhipin.com/c101280100-p100901/?page=1&ka=page-next

然后通过Chrome浏览器打开F12,获取到信息中多对应的dom节点，即可知道想要获取信息；

4.代码实现

目录结构：

app.js

var cheerio = require('cheerio');var requests = require('requests');var async = require('async');var express = require('express');var swig = require('swig');var app = express();swig.setDefaults({cache:false});app.set('views','./views/');app.set('view engine','html');app.engine('html',swig.renderFile);app.get('/',function(req,res,next){ var page = 1; //当前页数 var list = []; //保存记录 async.whilst(  function(){   return page < 11;  },  function(callback){   requests(`https://www.zhipin.com/c101280100-p100901/?page=${page}&ka=page-next`)   .on('data',function(chunk){   var $ = cheerio.load(chunk.toString());   $('.job-primary').each(function(){    var company = $(this).find('.info-company .company-text .name').text();    var job_title = $(this).find('.info-primary .name .job-title').text();    var salary = $(this).find('.info-primary .name .red').text();    var description = $(this).find('.info-company .company-text p').text();    var area = $(this).find('.info-primary p').text();    var item = {     company:company,     job_title:job_title,     salary:salary,     description:description,     area:area    };    list.push(item);   });   page++;   callback();   }).on('end',function(err){     if(err){      console.log(err);     }     if(page==10){     res.render('index',{      lists:list     });    }   });  },  function(err){   console.log(err);  } );});//监听app.listen(8080);

　view/index.html页面

<!DOCTYPE html><html lang="en"><head> <meta charset="UTF-8"> <title>Document</title></head><style> table{  width:1300px;  border:1px solid #ccc;  border-collapse: collapse;  text-align: center;  margin:0 auto; } td,tr,th{  border:1px solid #ccc;  border-collapse: collapse; } tr{  height:30px;  line-height: 30px; }</style><body> <table>  <thead>   <tr>    <th>公司名称</th>    <th>公司地址</th>    <th>薪资</th>    <th>公司描述</th>    <th>岗位名称</th>   </tr>  </thead>  <tbody>   {% for list in lists %}    <tr>     <td>{{list.company}}</td>     <td>{{list.area}}</td>     <td>{{list.salary}}</td>     <td>{{list.description}}</td>     <td>{{list.job_title}}</td>    </tr>   {% endfor %}  </tbody> </table></body></html>

5.启动

直接通过 node app.js启动即可；

6.运行结果（http://localhost:8080），只截取部分数据