用nodejs去爬一下A站老司机的文章

本文来自极客学院就业班web大前端助教你萌的18岁花季美少女windy老师，原作者授权发布。

从node问世以后，就不断被JavaScript的忠实追随者拿来干一些原来只有php、Python等后端语言才能干的事情，例如写个爬虫之类的。对于前端er来说，用上一些好用的轮子，你可能十几行代码就可以写一个crawler哦~

爬虫的思路十分简单:

1. 按照一定的规律发送 HTTP 请求获得页面 HTML 源码（必要时需要加上一定的 HTTP 头信息，比如 cookie 或 referer 之类）

2. 利用正则匹配或第三方模块解析 HTML 代码，提取有效数据

3. 将数据持久化到数据库中

当然爬虫的写法千千万，下面只提供吃瓜群众都能看懂的版本~

假定你已经有了一定的nodeJS基础，如果没有请移步围观=>LV触手系列：前端之魂，触碰后端的手——Node.js学习之路（一）

＊文章目录＊

1. 1. ＊准备阶段＊

    1.1. NPM

    1.2. package.json

    1.3. crawler.js

2. 2. ＊学习阶段＊

    2.1. REQUEST

    2.2. CHEERIO

3. 3. ＊建设阶段＊

4. 4. ＊实验阶段＊

＊准备阶段＊

NPM

(npm:趁还没被yarn干掉再续一秒）

首先我们需要通过npm安装两个模块reuqest和cheerio来帮助我们更方便地请求和 解析页面

终端cd到你的文件目录里，先装上，一会儿我再各自讲它们

package.json

装完你可以看到你文件夹里的package.json里已经多了两个依赖项

crawler.js

假设你的爬虫程序主文件名叫crawler.js,我们需要在这个文件里引入request和cheerio这两个模块
js代码为

准备阶段完成后，让我们开始沉迷于学习阶段= =

＊学习阶段＊

REQUEST

request是个非常好用的针对HTTP请求的模块，简言之是对 http.request更高级的封装,口号是——“Simplified HTTP client”

request 这个模块可以帮你下载资料。使用方式：

随便来个例子，假设你觉得你自己真是沉迷于学习无法自拔，是我的迷妹/痴汉一只，你想要随时监控我博客的内容，那你就这样写

不过我建议你们转去搞LV的( ͡° ͜ʖ ͡°)=>群疯之下

（小学妹就不坑LV老师啦，欢迎大家自行寻找他的个人站～）

CHEERIO

cheerio模块可以在服务器端像使用Jquery的方式一样操作Dom结构，许多用法和jquery 的语法基本相同，为服务器特别定制的，快速、灵活、实施的jQuery核心实现。
简言之，是服务器端的鸡块瑞(◕ܫ◕)~

Cheerio 几乎能够解析任何的 HTML 和 XML document，灵活好用，灰常厉害
只需这么用：

基础知识学习完毕，让我们一起投入到火热的社会主义建设中去~

＊建设阶段＊

先把request搞上去，明确要爬的页面，我们要爬的是A站的文章区(我不想搞B站，不想被封号TAT)

我们当然不能拍拍手，我们要用cheerio去解析我们刚请求成功的页面

最后爬下来的结果我们把它放在result.json文件里

最后把这句话放在request方法里

最终你的crawler.js看起来是这样

啊~麻麻~我用16行代码就写了个爬虫~╰(°▽°)╯
慢着，我们先来试验下是否能成功

＊实验阶段＊

cd 到你的目录，敲下激动人心的如下代码

然后观察你的文件夹里是否多了个result.json呢，它看起来应该是如下这样充满了大新闻

result.json

恭嘿累爬虫成功~想要爬到更深入的信息，就自己去看API吧~爬到什么不得了的东西的话，记得分享给我萌哦~(づ￣3￣)づ╭❤～

原文链接：https://goodluckforever.github.io/2016/10/15/nodejs-crawler/#more