nodejs制作小爬虫

1，安装nodejs

2，安装需要模块

      npm install request cheerio 

3，新建js文件

4，引入

  const request=require("request")
  const cheerio=require("cheerio")

5利用request模块发送请求

request('http://news.dgut.edu.cn/dgut/xydt/news_list.shtml',function(err,res){
    if(err)
    {
        console.log('请求出错');
    }
    else
    {
        var $ = cheerio.load(res.body, {decodeEntities: false});
        $('.listList').children('ul').children('li').each(function(){
//找到li元素对象然后通过each遍历
            var newsTitle = $(this).children('a').text(); //得到<a>标签的文字
            var newsTime=
$(this).children('span').eq(1).text();//得到第二个<span>标签的文字
            var newsUrl=
"http://news.dgut.edu.cn"+$(this).children('a').attr('href');//得到<a>标签的href的值
        item++;
        console.log("已爬取"+item+"条记录");
        });
    }
});

一个小爬虫案例就完了

附上完整代码
request('http://news.dgut.edu.cn/dgut/xydt/news_list.shtml',function(err,res){
if(err) { console.log('请求出错'); } else { var $ = cheerio.load(res.body,
{decodeEntities: false});
$('.listList').children('ul').children('li').each(function(){
//找到li元素对象然后通过each遍历 var newsTitle = $(this).children('a').text(); //得到<a>标签的文字
var newsTime= $(this).children('span').eq(1).text();//得到第二个<span>标签的文字 var
newsUrl=
"http://news.dgut.edu.cn"+$(this).children('a').attr('href');//得到<a>标签的href的值
item++; console.log("已爬取"+item+"条记录"); }); } });
 

下面的带数据库
const request=require("request") const cheerio=require("cheerio") const
mysql=require('mysql') const
db=mysql.createPool({host:'120.79.5554',user:'root',password:'root',database:'pachong'});
var item=0;
request('http://news.dgut.edu.cn/dgut/xydt/news_list.shtml',function(err,res){
if(err) { console.log('请求出错'); } else { var $ = cheerio.load(res.body,
{decodeEntities: false});
$('.listList').children('ul').children('li').each(function(){
//找到li元素对象然后通过each遍历 var newsTitle = $(this).children('a').text(); //得到<a>标签的文字
var newsTime= $(this).children('span').eq(1).text();//得到第二个<span>标签的文字 var
newsUrl=
"http://news.dgut.edu.cn"+$(this).children('a').attr('href');//得到<a>标签的href的值
console.log(newsTitle,newsTime,newsUrl) db.query(`INSERT INTO news (newsTitle,
newsTime, newsUrl) VALUE('${newsTitle}',
'${newsTime}','${newsUrl}')`,function(err,data){ if(err) {
console.log("数据库连接错误"); } }) item++; console.log("已爬取"+item+"条记录"); }); } });
 

• « 上一篇：面试题整理(Hive)
• » 下一篇：Flask框架项目_新经资讯