189 8069 5689
node是服务器端的语言，所以可以像python一样对网站进行爬取，下面就使用node对博客园进行爬取，得到其中所有的章节信息。
第一步： 建立crawl文件，然后npm init。
第二步： 建立crawl.js文件，一个简单的爬取整个页面的代码如下所示：
var http = require("http");var url = "http://www.cnblogs.com";
http.get(url, function (res) { var html = "";
res.on("data", function (data) {
html += data;
});
res.on("end", function () {
console.log(html);
});
}).on("error", function () {
console.log("获取课程结果错误！");
});
即引入http模块，然后利用http对象的get请求，即一旦运行，相当于node服务器端发送了一个get请求请求这个页面，然后通过res返回，其中on绑定data事件用来不断地接受数据，最后end时我们就在后台打印出来。
这只是整个页面的一部分，我们可以在此页面审查元素，发现确实是一样的
我们只需要将其中的章节title和每一小节的信息爬到即可。
第三步： 引入cheerio模块，如下：（在gitbash中安装即可，cmd总是出问题）
cnpm install cheerio --save-dev
这个模块的引入，就是为了方便我们操作dom，就像jQuery一样。
第四步： 操作dom，获取有用信息。
var http = require("http");var cheerio = require("cheerio");var url = "http://www.cnblogs.com";
function filterData(html) { var $ = cheerio.load(html);
var items = $(".post_item"); var result = [];
items.each(function (item) { var tit = $(this).find(".titlelnk").text(); var aut = $(this).find(".lightblue").text(); var one = {
title: tit,
author: aut
};
result.push(one);
}); return result;
}
function printInfos(allInfos) {
allInfos.forEach(function (item) {
console.log("文章题目 " + item["title"] + '\n' + "文章作者 " + item["author"] + '\n'+ '\n');
});
}
http.get(url, function (res) { var html = "";
res.on("data", function (data) {
html += data;
});
res.on("end", function (data) { var allInfos = filterData(html);
printInfos(allInfos);
});
}).on("error", function () {
console.log("爬取博客园首页失败")
});
即上面的过程就是在爬取博客的题目和作者。
最终后台输出如下：
这和博客园首页的内容是一致的：
另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。