使用nodejs实现简单爬虫

以下是一个使用Node.js实现的简单网页爬虫示例,使用了axios进行HTTP请求和cheerio解析页面数据。

首先,确保安装了必要的包:




npm install axios cheerio

然后,可以创建一个简单的爬虫脚本:




const axios = require('axios');
const cheerio = require('cheerio');
 
async function fetchHTML(url) {
  try {
    const { data } = await axios.get(url);
    return data;
  } catch (error) {
    console.error('Error fetching HTML:', error);
  }
}
 
async function crawl(url) {
  try {
    const html = await fetchHTML(url);
    if (html) {
      const $ = cheerio.load(html);
      // 假设我们要抓取的是一个页面上的所有标题
      $('h2').each((index, element) => {
        console.log($(element).text());
      });
    }
  } catch (error) {
    console.error('Crawling error:', error);
  }
}
 
const url = 'https://example.com'; // 替换为你想爬取的网站
crawl(url);

这个脚本定义了一个fetchHTML函数来获取网页内容,以及一个crawl函数来爬取指定URL的数据。在crawl函数中,我们使用cheerio.load来加载获取的HTML内容,并使用选择器选取我们想要的元素。在这个例子中,我们选取了所有h2标题的文本内容。

请注意,这个爬虫示例仅用于教学目的,实际的网站可能会有更复杂的反爬措施,如JavaScript渲染的内容、登录保护、频率限制等。在编写爬虫时,应始终遵守网站的robots.txt规则,并尊重版权和隐私政策。

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日