nodejs爬取网站图片.....

nodejs来实现一个爬虫功能 ,爬取豆瓣图片

原理:
爬虫是最明显的IO密集型应用场景,显然用node,使得I/O等待开销小数据挖掘比较方便

借助express模块来搭建node服务

并使用request模块获取目标页面的html代码

下载cheerio模块对html代码做处理(cheerio类似jQuery的语法,所以好用又方便)

环境配置:

npm install express request cheerio --save

(1)引入各个模块

var http = require('http');
var request = require('request);
var cheerio = require('cheerio');

var fs = require('fs'); //用来操作文件

var url = 'https://movie.douban.com/cinema/nowplaying/beijing/' //定义要爬的页面

(2)发送请求

http.get(function(res){
    var html = '';
    var titles = [];
    res.setEncoding('utf-8') //防止中文乱码
    
    res.on('data',function(chunk){
        html += chrunk;       //监听data事件 每次取一块数据
    })
    
    res.on('end',function(){
        var $ = cheerio.load(html);   //获取数据完成后,解析html
        //将获取的图片存到images文件夹中
        $('.mod-bd img').each(function(index, item){
            //获取图片属性
            var imgName = $(this).parent().next().text().trimg()
            var imgfile = imgName + '.jpeg';
            var imgSrc = $(this).attr('src')
            
            //采用request模块,向服务器发起请求 获取图片资源
            request.head(imgSrc, function(error, res,body){
                if(error){
                    console.log('失败了')
                }
            });
            //通过管道的方式用fs模块将图片写到本地的images文件下
            request(imgSrc).pipe.(fs.createWriteStream('./images/' + imgfile));
        })
        
    })
})

每天进步一点点……

    原文作者:Cymiran
    原文地址: https://segmentfault.com/a/1190000012412007
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞