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。