在node中如何实现http小爬虫

本篇文章主要介绍了基于node下的http小爬虫的示例代码，现在分享给大家，也给大家做个参考。

每时每刻不管你睡了还是没睡，互联网都会有海量的数据来来往往，有客服端到服务端，有服务端到服务端。http的get和request完成的角色即为数据的获取及提交,接下来我们动手写一个简单的小爬虫来爬爬菜鸟教程中关于node的章节的课程界面。

爬取Node.js 教程首页的所有数据

建立node-http.js,其中代码如下，代码中有详细的的注释，自行理解了哈

var http=require('http');//获取http模块var url='http://www.runoob.com/nodejs/nodejs-tutorial.html';//定义node官网地址变量http.get(url,function(res){  var html='';  // 这里将会触发data事件，不断触发不断跟新html直至完毕  res.on('data',function(data){    html +=data  })  // 当数据获取完成将会触发end事件，这里将会打印初node官网的html  res.on('end',function(){    console.log(html)  })}).on('error',function(){  console.log('获取node官网相关数据出错')})

登录后复制

终端执行结果中发现这个页面的html全部被爬下来了

G:\node\node-http> node node-http.jsnbsp;html>。。。。。。。。。。这里只展示部分不然你半天看不到头

登录后复制

当然爬个HTML对于我们来说没啥用，现在我们要做些过滤，比如这个node教程中我想知道课程目录有哪些，这样可以选择感兴趣的去看看学学。直接上代码吧还是：

不过在此之前我们需要下载cheerio模块（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。）具体详细介绍你们可以自行去搜索了解，cheerio的用跟jquery的用法非常类似，所以不用担心上手繁琐。

PS G:\node\node-http> npm install cheerio

登录后复制

建立node-http-more.js,其中代码如下：

var http=require('http');//获取http模块var cheerio=require('cheerio');//引入cheerio模块var url='http://www.runoob.com/nodejs/nodejs-tutorial.html';//定义node官网地址变量// filer node chapterfunction filerNodeChapter(html){  // 将爬取得HTML装载起来  var $=cheerio.load(html);  // 拿到左侧边栏的每个目录  var nodeChapter=$('#leftcolumn a');  //这里我希望我能获取的到的最终数据格式这个样子的,如此我们能知道每个目录的地址及标题  /**   * [{id:,title:}]   */  var chapterData=[];  nodeChapter.each(function(item){    // 获取每项的地址及标题    var id=$(this).attr('href');    var title=$(this).text();    chapterData.push({      id:id,      title:title    })  })  return chapterData;}//获取每个数据function getChapterData(nodeChapter){  nodeChapter.forEach(function(item){    console.log(' 【 '+item.id+' 】'+item.title+'\n')  });}http.get(url,function(res){  var html='';  // 这里将会触发data事件，不断触发不断跟新html直至完毕  res.on('data',function(data){    html +=data  })  // 当数据获取完成将会触发end事件，这里将会打印初node官网的html  res.on('end',function(){    //console.log(html)    // 过滤出node.js的课程目录    var nodeChapter= filerNodeChapter(html);    //循环打印所获取的数据    getChapterData(nodeChapter)  })}).on('error',function(){  console.log('获取node官网相关数据出错')})

登录后复制

终端执行结果及打印出课程目录

G:\node\node-http> node node-http-more.js 【 /nodejs/nodejs-tutorial.html 】Node.js 教程 【 /nodejs/nodejs-install-setup.html 】Node.js 安装配置 【 /nodejs/nodejs-http-server.html 】Node.js 创建第一个应用 【 nodejs-npm.html 】 NPM 使用介绍 【 nodejs-repl.html 】 Node.js REPL 【 nodejs-callback.html 】 Node.js 回调函数 【 nodejs-event-loop.html 】 Node.js 事件循环 【 nodejs-event.html 】 Node.js EventEmitter 【 nodejs-buffer.html 】 Node.js Buffer 【 nodejs-stream.html 】 Node.js Stream 【 /nodejs/nodejs-module-system.html 】Node.js 模块系统。。。。。。。。。。。这里就不全部给出，你可以自己尝试着运行操作查看所有结果

登录后复制

上面是我整理给大家的，希望今后会对大家有帮助。

相关文章：

在React、Vue项目中如何使用SVG

在React、Vue项目中如何使用SVG

在React、Vue项目中如何使用SVG

在React、Vue项目中如何使用SVG

在React、Vue项目中如何使用SVG

在React、Vue项目中如何使用SVG

以上就是在node中如何实现http小爬虫的详细内容，更多请关注【创想鸟】其它相关文章！