快捷導(dǎo)航

node.js爬取中關(guān)村的在線電瓶車信息

更新時間：2018年11月13日 09:46:10 作者：八二年的礦泉水

這篇文章主要給大家介紹了關(guān)于利用node.js如何爬取中關(guān)村的在線電瓶車信息的相關(guān)資料，文中通過示例代碼介紹的非常詳細，對大家學(xué)習或者使用node.js具有一定的參考學(xué)習價值，需要的朋友們下面隨著小編來一起學(xué)習學(xué)習吧

背景

學(xué)習nodejs已經(jīng)有段時間，網(wǎng)上很多nodejs爬蟲的文章，所以著手練習寫一段，最近打算買一輛電瓶車來上下班，但又不知道哪個好，網(wǎng)上是各說紛紜啊，于是就想著，干脆用node.js自己寫一個小爬蟲，來爬一下中關(guān)村在線里面電瓶車的信息吧。

簡介

該demo采用node.js作為爬蟲，為方便，有些地方使用es6語法，如有不懂，歡迎咨詢😊

步驟

第一步，引入需要的庫

var cheerio = require('cheerio');
var fetch = require('node-fetch');

// cheerio 是一個類似瀏覽器端的jQuery，用來解析HTML的
// fetch 用來發(fā)送請求

第二步，設(shè)置初始的爬取的入口(我身處杭州，所以地區(qū)選了杭州的🤣)

// 初始url
var url = "http://detail.zol.com.cn/convenienttravel/hangzhou/#list_merchant_loc"
// 由于每個a標簽下是相對路徑，故需要一個根地址來拼接，如下
var urlRoot = "http://detail.zol.com.cn" 
// 存放所有url，之所以用set，是為了防止有相同的而重復(fù)爬去
var urls = new Set()
// 存儲所有數(shù)據(jù)
var data = []

至此，我們的準備部分結(jié)束了😅，接下來，開始表演了

分析網(wǎng)頁，思考爬取的方式

每行4款，每頁是48款，一共16頁

思路：

每次獲取當前頁48個鏈接，并點進去之后，拿到該電瓶車的名稱和價格（其他信息獲取方式一樣，自行改就好😂）
第一頁的全部完成之后，翻到下一頁，繼續(xù)爬，直到最后一頁結(jié)束

首先我們定義一個函數(shù)如下

// 這是得到每個頁面的48個鏈接，并開始發(fā)送請求

function ad(arg){
// 參數(shù) arg 先不管
// 本地化一下需要爬取的鏈接
let url2 = arg || url;
// 請求第一頁該網(wǎng)頁，拿到數(shù)據(jù)之后，復(fù)制給 app
var app = await fetch(url2).then(res=>res.text())
// 然后假裝用jQuery解析了
var $ = cheerio.load(app)
// 獲取當前頁所有電瓶車的a標簽
var ele = $("#J_PicMode a.pic")
// 存放已經(jīng)爬取過的url，防止重復(fù)爬取
var old_urls = []
var urlapp = []
//拿到所有a標簽地址之后，存在數(shù)組里面，等會兒要開始爬的
for (let i = 0; i < ele.length; i++) {
old_urls.push(fetch(urlRoot+$(ele[i]).attr('href')).then(res=>res.text()))
}
// 用把URL一塊丟給promise處理
urlapp = await Promise.all(old_urls)
// 處理完成之后，循環(huán)加入jQuery😂
for (let i = 0; i < urlapp.length; i++) {
let $2 = cheerio.load(urlapp[i],{decodeEntities: false})
data.push({
name:$2(".product-model__name").text(),
price:$2(".price-type").text()
})
}
// 至此，一頁的數(shù)據(jù)就爬完了
// console.log(data);

// 然后開始爬取下一頁
var nextURL = $(".next").attr('href')
// 判斷當前頁是不是最后一頁
if (nextURL){
let next = await fetch(urlRoot+nextURL).then(res=>res.text())
// 獲取下一頁的標簽，拿到地址，走你
ad(urlRoot+nextURL)
}
return data
}
ad()

完整代碼如下

var cheerio = require('cheerio');
var fetch = require('node-fetch');
var url = "http://detail.zol.com.cn/convenienttravel/hangzhou/#list_merchant_loc"
var urlRoot = "http://detail.zol.com.cn"
// var url = "http://localhost:3222/app1"
var urls = new Set()
var data = [] 
async function ad(arg){
let url2 = arg || url;
var app = await fetch(url2).then(res=>res.text())
var $ = cheerio.load(app)
var ele = $("#J_PicMode a.pic")
var old_urls = []
var urlapp = []
for (let i = 0; i < ele.length; i++) {
old_urls.push(fetch(urlRoot+$(ele[i]).attr('href')).then(res=>res.text()))
}
urlapp = await Promise.all(old_urls)
for (let i = 0; i < urlapp.length; i++) {
let $2 = cheerio.load(urlapp[i],{decodeEntities: false})
data.push({
name:$2(".product-model__name").text(),
price:$2(".price-type").text()
})
}

var nextURL = $(".next").attr('href')
if (nextURL){
let next = await fetch(urlRoot+nextURL).then(res=>res.text())
ad(urlRoot+nextURL)
}
return data
}
ad()

總結(jié)

以上就是這篇文章的全部內(nèi)容了，希望本文的內(nèi)容對大家的學(xué)習或者工作具有一定的參考學(xué)習價值，如果有疑問大家可以留言交流，謝謝大家對腳本之家的支持。

您可能感興趣的文章: