开始之前请先确保自己安装了Node.js环境!!!!!!!!
1.在项目文件夹安装两个必须的依赖包
npm install superagent -S
SuperAgent(官网是这样解释的)
-----SuperAgent is light-weight progressive ajax API crafted for flexibility, readability, and a low learning curve after being frustrated with many of the existing request APIs. It also works with Node.js!
-----superagent 是一个轻量的,渐进式的ajax api,可读性好,学习曲线低,内部依赖nodejs原生的请求api,适用于nodejs环境下
npm install cheerio -S
2.Cheerio
-----cheerio是nodejs的抓取页面模块,为服务器特别定制的,快速、灵活、实施的jQuery核心实现。适合各种Web爬虫程序。相当于node.js中的jQuery
3.新建 crawler.js 文件
在里面输入
1 //导入依赖包
2 const http = require("http");
3 const path = require("path");
const url = require("url");
const fs = require("fs");
const superagent = require("superagent");
const cheerio = require("cheerio");
superagent
.get("https://www.zhipin.com/job_detail/?city=100010000&source=10&query=%E5%89%8D%E7%AB%AF")
.end((error, response) => {
//获取页面文档数据
var content = response.text;
//cheerio也就是nodejs下的jQuery 将整个文档包装成一个集合,定义一个变量$接收
var $ = cheerio.load(content);
//定义一个空数组,用来接收数据
var result = [];
//分析文档结构 先获取每个li 再遍历里面的内容(此时每个li里面就存放着我们想要获取的数据)
$(".job-list li .job-primary").each((index, value) => {
//地址和类型为一行显示,需要用到字符串截取
//地址
let address = $(value).find(".info-primary").children().eq(1).html();
//类型
let type = $(value).find(".info-company p").html();
//解码
address = unescape(address.replace(/&#x/g, '%u').replace(/;/g, ''));
type = unescape(type.replace(/&#x/g, '%u').replace(/;/g, ''))
//字符串截取
let addressArr = address.split('<em class="vline"></em>');
let typeArr = type.split('<em class="vline"></em>');
//将获取的数据以对象的形式添加到数组中
result.push({
title: $(value).find(".name .job-title").text(),
money: $(value).find(".name .red").text(),
address: addressArr,
company: $(value).find(".info-company a").text(),
type: typeArr,
position: $(value).find(".info-publis .name").text(),
txImg: $(value).find(".info-publis img").attr("src"),
time: $(value).find(".info-publis p").text()
});
// console.log(typeof $(value).find(".info-primary").children().eq(1).html());
});
//将数组转换成字符串
result = JSON.stringify(result);
//将数组输出到json文件里 刷新目录 即可看到当前文件夹多出一个boss.json文件(打开boss.json文件,ctrl+A全选之后 ctrl+K,再Ctrl+F即可将json文件自动排版)
fs.writeFile("boss.json", result, "utf-8", (error) => {
//监听错误,如正常输出,则打印null
if (error == null) {
console.log("恭喜您,数据爬取成功!请打开json文件,先Ctrl+A,再Ctrl+K,最后Ctrl+F格式化后查看json文件(仅限Visual Studio Code编辑器)");
}
});
});
4.更改数据(如果是静态页面上面的操作基本上就已经完成了 直接node .\cralwer.js,但是现实中很多都不是)
1.在游览器中输入想要爬取的地址
例如:https://www.zhipin.com/job_detail/?city=100010000&source=10&query=%E5%89%8D%E7%AB%AF
2.进入控制台选中body copy element
3.在编辑器中粘贴即可
5.在服务器环境下运行这个网页
7.复制这个地址栏地址
然后粘贴在文件 cralwer.js .get()中
8. 在终端中运行
node .\cralwer.js
最后 本文借鉴于https: //blog.csdn.net/twodogya/article/details/80204322