4、nodejs使用 superagent 與 cheerio 完成簡單爬蟲

目標

輸出 CNode(https://cnodejs.org/ ) 社區首頁的全部帖子標題和連接，以 json 的形式。

• 使用 superagent 抓取網頁
• 使用 cheerio 分析網頁

內容

安裝依賴 express，superagent 和 cheerio

$ npm install express superagent cheerio --save

superagent

superagent是個 http 方面的庫，能夠發起 get 或 post 請求。 https://cnodejs.org/topic/5378720ed6e2d16149fa16bd

一個簡單的post請求，並設置請求頭信息的例子

request
    .post('/api/pet')
    .send({ name: 'Manny', species: 'cat' })
    .set('X-API-Key', 'foobar')
    .set('Accept', 'application/json')
    .end(function(res){
         if (res.ok) {
           alert('yay got ' + JSON.stringify(res.body));
         } else {
           alert('Oh no! error ' + res.text);
         }
    });

一個簡單的get請求

request
   .get('/search')
   .end(function(res){

   });

請求方法也能夠經過參數傳遞:

request('GET', '/search').end(callback);

delete,head,post,put和別的http動做均可以使用,來換個方法看看:

request
  .head('/favicon.ico')
  .end(function(res){

  });

delete是一個特列,由於它是系統保留的關鍵字,因此應該用.del()這個名字:

request
  .del('/user/1')
  .end(function(res){

  });

http請求默認的方法爲get,因此就像你看到的,下面的這個例子也是可用的:

request('/search', function(res){

 });

cheerio

你們能夠理解成一個 Node.js 版的 jquery，用來從網頁中以 css selector 取數據，使用方式跟 jquery 同樣的。

https://github.com/cheeriojs/cheerio

抓取數據

// 引入依賴
var express = require('express');
var superagent = require('superagent');
var cheerio = require('cheerio');

var app = express();

app.get('/', function(req, res, next) {
    // 用 superagent 去抓取 https://cnodejs.org/ 的內容
    superagent.get('https://cnodejs.org/')
        .end(function(err, sres) {
            if (err) {
                return next(err);
            }

            // sres.text 裏面存儲着網頁的 html 內容，將它傳給 cheerio.load 以後,就能夠獲得一個實現了 jquery 接口的變量，咱們習慣性地將它命名爲 `$`
            // 剩下就都是 jquery 的內容了
            var $ = cheerio.load(sres.text);
            
            var items = [];
            var tt = null;
            $('#topic_list .topic_title').each(function(index, elem) {
                var $element = $(elem);
                items.push({
                    title: $element.attr('title'),
                    href: $element.attr('href'),
                });
            });

            res.send(items);
        });
});

app.listen(3000, function (req, res) {
    console.log('app is running at port 3000');
});