前言：最近想學(xué)習(xí)node.js,突然在網(wǎng)上看到基于node的爬蟲制作教程，所以簡(jiǎn)單學(xué)習(xí)了一下，把這篇文章分享給同樣初學(xué)node.js的朋友。

目標(biāo)：爬取 http://tweixin.yueyishujia.com/webapp/build/html/ 網(wǎng)站的所有門店發(fā)型師的基本信息。

思路：訪問(wèn)上述網(wǎng)站，通過(guò)chrome瀏覽器的network對(duì)網(wǎng)頁(yè)內(nèi)容分析，找到獲取各個(gè)門店發(fā)型師的接口，對(duì)參數(shù)及返回?cái)?shù)據(jù)進(jìn)行分析，遍歷所有門店的所有發(fā)型師，直到遍歷完畢，同事將信息存儲(chǔ)到本地。

 

步驟一：安裝node.js

下載并安裝node，此步驟比較簡(jiǎn)單就不詳細(xì)解釋了，有問(wèn)題的可以直接問(wèn)一下度娘。

 

步驟二：建立工程

1）打開dos命令條，cd進(jìn)入想要?jiǎng)?chuàng)建項(xiàng)目的路徑（我將此項(xiàng)目直接放在了E盤，以下皆以此路徑為例）；

2）mkdir node （創(chuàng)建一個(gè)文件夾用來(lái)存放項(xiàng)目，我這里取名為node）；

3）cd 進(jìn)入名為node的文件夾，并執(zhí)行npm init初始化工程（期間會(huì)讓填寫一些信息，我是直接回車的）；

 

步驟三：創(chuàng)建爬取到的數(shù)據(jù)存放的文件夾

1）創(chuàng)建data文件夾用來(lái)存放發(fā)型師基本信息；

2）創(chuàng)建image文件夾用來(lái)存儲(chǔ)發(fā)型師頭像圖片；

　　此時(shí)工程下文件如下：

　　iOS培訓(xùn),Swift培訓(xùn),蘋果開發(fā)培訓(xùn),移動(dòng)開發(fā)培訓(xùn)

 

步驟四：安裝第三方依賴包（fs是內(nèi)置模塊，不需要單獨(dú)安裝）

1）npm install cheerio –save

2）npm install superagent –save

3）npm install async –save

4）npm install request –save

分別簡(jiǎn)單解釋一下上面安裝的依賴包：

cheerio：是nodejs的抓取頁(yè)面模塊，為服務(wù)器特別定制的，快速、靈活、實(shí)施的jQuery核心實(shí)現(xiàn)，則能夠?qū)φ?qǐng)求結(jié)果進(jìn)行解析，解析方式和jQuery的解析方式幾乎完全相同；

superagent：能夠?qū)崿F(xiàn)主動(dòng)發(fā)起get/post/delete等請(qǐng)求；

async：async模塊是為了解決嵌套金字塔,和異步流程控制而生，由于nodejs是異步編程模型，有一些在同步編程中很容易做到的事情，現(xiàn)在卻變得很麻煩。Async的流程控制就是為了簡(jiǎn)化這些操作；

request：有了這個(gè)模塊，http請(qǐng)求變的超簡(jiǎn)單，Request使用簡(jiǎn)單，同時(shí)支持https和重定向；

 

步驟五：編寫爬蟲程序代碼

打開hz.js，編寫代碼：

 

iOS培訓(xùn),Swift培訓(xùn),蘋果開發(fā)培訓(xùn),移動(dòng)開發(fā)培訓(xùn)

var superagent = require('superagent'); 
var cheerio = require('cheerio');var async = require('async');var fs = require('fs');var request = require('request');var page=1; //獲取發(fā)型師處有分頁(yè)功能，所以用該變量控制分頁(yè)var num = 0;//爬取到的信息總條數(shù)var storeid = 1;//門店IDconsole.log('爬蟲程序開始運(yùn)行......');function fetchPage(x) {     //封裝函數(shù)    startRequest(x); 
}function startRequest(x) {

    superagent
        .post('http://tweixin.yueyishujia.com/v2/store/designer.json')
        .send({ 
            // 請(qǐng)求的表單信息Form data            page : x, 
            storeid : storeid
        })           // Http請(qǐng)求的Header信息
       .set('Accept', 'application/json, text/javascript, */*; q=0.01')
       .set('Content-Type','application/x-www-form-urlencoded; charset=UTF-8')
       .end(function(err, res){          
            // 請(qǐng)求返回后的處理
            // 將response中返回的結(jié)果轉(zhuǎn)換成JSON對(duì)象
            if(err){
                console.log(err);
            }else{                var designJson = JSON.parse(res.text);                var deslist =  designJson.data.designerlist;                if(deslist.length > 0){
                    num += deslist.length;                    // 并發(fā)遍歷deslist對(duì)象
                    async.mapLimit(deslist, 5, 
                        function (hair, callback) {                        // 對(duì)每個(gè)對(duì)象的處理邏輯
                             console.log('...正在抓取數(shù)據(jù)ID：'+hair.id+'----發(fā)型師:'+hair.name);
                             saveImg(hair,callback);
                        }, 
                        function (err, result) {
                            console.log('...累計(jì)抓取的信息數(shù)→→' + num);
                        }
                    );
                    page++;
                    fetchPage(page);
                }else{                    if(page == 1){
                        console.log('...爬蟲程序運(yùn)行結(jié)束~~~~~~~');
                        console.log('...本次共爬取數(shù)據(jù)'+num+'條...');                        return;
                    }
                    storeid += 1;
                    page = 1;
                    fetchPage(page);
                }
            }
        });
} 
fetchPage(page);function saveImg(hair,callback){    // 存儲(chǔ)圖片
    var img_filename = hair.store.name+'-'+hair.name + '.png';    var img_src = 'http://photo.yueyishujia.com:8112' + hair.avatar; //獲取圖片的url

    //采用request模塊，向服務(wù)器發(fā)起一次請(qǐng)求，獲取圖片資源
    request.head(img_src,function(err,res,body){        if(err){
            console.log(err);
        }else{
                request(img_src).pipe(fs.createWriteStream('./image/' + img_filename));     //通過(guò)流的方式，把圖片寫到本地/image目錄下，并用發(fā)型師的姓名和所屬門店作為圖片的名稱。
                console.log('...存儲(chǔ)id='+hair.id+'相關(guān)圖片成功！');
        }
    });    // 存儲(chǔ)照片相關(guān)信息
    var html = '姓名：'+hair.name+'<br>職業(yè)：'+hair.jobtype+'<br>職業(yè)等級(jí)：'+hair.jobtitle+'<br>簡(jiǎn)介：'+hair.simpleinfo+'<br>個(gè)性簽名：'+hair.info+'<br>剪發(fā)價(jià)格：'+hair.cutmoney+'元<br>店名：'+hair.store.name+'<br>地址：'+hair.store.location+'<br>聯(lián)系方式：'+hair.telephone+'<br>頭像：<img src='+img_src+' style="width:200px;height:200px;">';
    fs.appendFile('./data/' +hair.store.name+'-'+ hair.name + '.html', html, 'utf-8', function (err) {        if (err) {
            console.log(err);
        }
    });
    callback(null, hair);
}

iOS培訓(xùn),Swift培訓(xùn),蘋果開發(fā)培訓(xùn),移動(dòng)開發(fā)培訓(xùn)

 

 

步驟六：運(yùn)行爬蟲程序

輸入node hz.js命令運(yùn)行爬蟲程序，效果圖如下：

iOS培訓(xùn),Swift培訓(xùn),蘋果開發(fā)培訓(xùn),移動(dòng)開發(fā)培訓(xùn)

運(yùn)行成功后，發(fā)型師基本信息以html文件的形式存儲(chǔ)在data文件夾中，發(fā)型師頭像圖片存儲(chǔ)在image文件夾下：

iOS培訓(xùn),Swift培訓(xùn),蘋果開發(fā)培訓(xùn),移動(dòng)開發(fā)培訓(xùn)

 

 iOS培訓(xùn),Swift培訓(xùn),蘋果開發(fā)培訓(xùn),移動(dòng)開發(fā)培訓(xùn)

 

后記：到此一款基于node.js制作的簡(jiǎn)單爬蟲就大功告成了，由于我也是初學(xué)者，好多地方也不是很理解，但好在是自己完成了，不足之處敬請(qǐng)諒解。

　　　代碼下載地址：https://github.com/yanglei0323/nodeCrawler

http://www.cnblogs.com/yanglei0323/p/7093580.html