Node.js erstellt ein einfaches Crawler-Case-Tutorial

var http = erforderlich('http');
var fs = erfordern('fs');
var cheerio = erforderlich('cheerio');
var Anfrage = erforderlich('Anfrage');
var i = 0;
//Ursprüngliche URL 
var url = "http://cs.whu.edu.cn/a/xinwendongtaifabu/2018/0428/7053.html"; 

function fetchPage(x) { //Kapselt eine Ebene der function startRequest(x); 
}

Funktion startRequest(x) {
     //Verwenden Sie das http-Modul, um eine Get-Anfrage an den Server zu initiieren http.get(x, function (res) {     
        var html = ''; //Wird verwendet, um den gesamten HTML-Inhalt der angeforderten Webseite zu speichern var titles = [];    
        res.setEncoding('utf-8'); //Verhindere verstümmelte chinesische Schriftzeichen //Achte auf Datenereignisse und nehme jeweils ein Datenstück auf res.on('data', function (chunk) {   
	      html += Block;
	 });
     // Auf das Endereignis warten. Wenn das HTML des gesamten Webseiteninhalts abgerufen wurde, führen Sie die Rückruffunktion res.on('end', function () { aus.
         var $ = cheerio.load(html); //Verwende das Cheerio-Modul, um HTML zu analysieren
         var news_item = {
          //Titel des Artikels abrufen: $('div#container dt').text().trim(),
          i: i = i + 1,     
       };

	  console.log(news_item); //Nachrichteninformationen drucken var news_title = $('div#container dt').text().trim();
	  savedContent($,news_title); //Speichern Sie den Inhalt und den Titel jedes Artikels savedImg($,news_title); //Speichern Sie das Bild und den Titel jedes Artikels //URL des nächsten Artikels
       var nextLink="http://cs.whu.edu.cn" + $("dd.Paging a").attr('href');
       str1 = nextLink.split('-'); //Entferne die chinesischen Zeichen nach der URL str = encodeURI(str1[0]);  
       //Dies ist eines der Highlights. Durch die Steuerung von I können Sie steuern, wie viele Artikel gecrawlt werden sollen. Die Wuhan University hat nur 8 Artikel, daher ist sie auf 8 eingestellt
       wenn (i <= 8) {                
          fetchPage(str);
       }
	});
}).on('Fehler', Funktion (err) {
      console.log(fehler);
    });
 }
//Die Funktion dient zum lokalen Speichern der gecrawlten Nachrichteninhaltsressourcen function savedContent($, news_title) {
	$('dd.info').each(Funktion (Index, Element) {
		var x = $(dieser).text();       
		var y = x.substring(0, 2).trim();
		wenn (y == '') {
			x = x + '\n';   
			//Fügen Sie den Nachrichtentextinhalt Stück für Stück dem /data-Ordner hinzu und benennen Sie die Datei mit dem Titel der Nachricht fs.appendFile('./data/' + news_title + '.txt', x, 'utf-8', function (err) {
				wenn (Fehler) {
				console.log(fehler);
				}
			});
		}	
	})
}       
//Die Funktion dient zum lokalen Speichern der gecrawlten Bildressourcen function savedImg($,news_title) {
  $('dd.info img').each(Funktion (Index, Element) {
        var img_title = $(this).parent().next().text().trim(); //Titel des Bildes abrufen if(img_title.length>35||img_title==""){
         	img_title="Null";
        }
        var Bilddateiname = Bildtitel + '.jpg';
        var img_src = 'http://cs.whu.edu.cn' + $(this).attr('src'); // URL des Bildes abrufen

		//Verwenden Sie das Anforderungsmodul, um eine Anforderung an den Server zum Abrufen von Bildressourcen zu initiieren request.head(img_src,function(err,res,body){
		  wenn(fehler){
		    console.log(fehler);
		  }
		});
		request(img_src).pipe(fs.createWriteStream('./image/'+news_title + '---' + img_filename)); //Schreibe das Bild per Streaming in das lokale /image-Verzeichnis und verwende den Titel der Nachricht und den Titel des Bildes als Namen des Bildes.
	})
}

fetchPage(url); //Das Hauptprogramm wird gestartet

var url = {
	Hostname: 'cl.5fy.xyz',
	Pfad: '/thread0806.php?fid=7',
	Überschriften: {
		'Inhaltstyp': 'text/html',
  	//Ohne dieses Feld können Sie nicht darauf zugreifen 'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/46.0.2490.86 Safari/537.36',  
  }};

/*
* @Autor: Benutzer
* @Datum: 28.04.2018 19:34:50
* @Zuletzt geändert von: Benutzer
* @Letzte Änderungszeit: 2018-04-30 21:35:26
*/
var http = erforderlich('http');
var fs = erfordern('fs');
var cheerio = erforderlich('cheerio');
var Anfrage = erforderlich('Anfrage');
var iconv = erforderlich('iconv-lite');
var i = 0;
  //Wird verwendet, um zu bestimmen, ob gespeichert oder darauf zugegriffen werden soll. var temp=0;
  let startPage=3;//Ab welcher Seite mit dem Crawlen begonnen werden soll let page=startPage;
  let endPage=5;//Welche Seite soll gecrawlt werden? let searchText='';//Gecrawlte Schlüsselwörter, alle werden standardmäßig gecrawlt, entsprechend Ihren Anforderungen //Ursprüngliche URL 
  var url = {
  Hostname: '1024liuyouba.tk',
  Pfad: '/thread0806.php?fid=16'+'&search=&page='+startPage,
  Überschriften: {
    'Inhaltstyp': 'text/html',
    //Ohne dieses Feld können Sie nicht auf 'User-Agent' zugreifen: 'Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/46.0.2490.86 Safari/537.36',  
  }};
//Speichern Sie die URL der Homepage
urlList=[];
//Kapselt eine Funktionsebene function fetchPage(x) { 
  setzeTimeout(Funktion(){  
    startRequest(x); },5000)
}
//Speichern Sie zuerst die URL der Schnittstelle, auf die zugegriffen werden soll
Funktion getUrl(x){
  Temperatur++;
  http.get(x,function(res){
    var html = ''; 
    res.setEncoding('binär');
    res.on('Daten', Funktion (Block) {   
      html += Block;
    });
    res.on('Ende', Funktion () {
      var buf = neuer Puffer (html, „binär“);
      var str=iconv.decode(buf,'GBK');
          var $ = cheerio.load(str); //Verwende das Cheerio-Modul, um HTML zu analysieren                
          $('tr.tr3 td.tal h3 a').jeweils(Funktion(){
            var Suche = $(this).text();
            wenn(Suche.indexOf(Suchtext)>=0){
            var nextLink="http://cl.5fy.xyz/" + $(this).attr('href');
            str1 = nextLink.split('-'); //Entferne die chinesischen Zeichen nach der URL str = encodeURI(str1[0]); 
            urlList.push(str); }
          })
          Seite++;
          wenn(Seite<Seitenende){
            //Speichern Sie die URL der nächsten Seite
            x.path='/thread0806.php?fid=16'+'&search=&page='+page,
            getUrl(x);
          }sonst wenn(urlList.length!=0){
            fetchPage(urlList.shift());
          }anders{
            console.log('Keine Schlüsselwörter gefunden!');
          }
        })
  }).on('Fehler', Funktion (err) {
    console.log(fehler);
  });

}
Funktion startRequest(x) {
  wenn(temp===0){
    getUrl(x);     
  }   
  anders{
     //Verwenden Sie das http-Modul, um eine Get-Anfrage an den Server zu initiieren http.get(x, function (res) {     
        var html = ''; //Wird verwendet, um den gesamten HTML-Inhalt der angeforderten Webseite zu speichern res.setEncoding('binary');
        var Titel = [];        
	     //Auf das Datenereignis hören und jeweils einen Datenblock abrufen res.on('data', function (chunk) {   
	      html += Block;
	    });
	     // Auf das Endereignis warten. Wenn das HTML des gesamten Webseiteninhalts abgerufen wurde, führen Sie die Rückruffunktion res.on('end', function () { aus.
	    	var buf = neuer Puffer (html, „binär“);
	    	var str=iconv.decode(buf,'GBK');
	        var $ = cheerio.load(str); //Verwende das Cheerio-Modul, um HTML zu analysieren
	        var news_item = {
	          	//Titel des Artikels abrufen: $('h4').text().trim(),
	        	//i wird verwendet, um zu bestimmen, wie viele Artikel i erhalten wurden: i = i + 1,     
	      	};
	    console.log(news_item); //Informationen drucken var news_title = $('h4').text().trim();
		
	  	savedContent($,news_title); //Speichern Sie den Inhalt und den Titel jedes Artikels		
	  	savedImg($,news_title); //Speichern Sie das Bild und den Titel jedes Artikels		
	  	//Wenn der Zugriff nicht abgeschlossen ist, fahre mit dem Zugriff fort, if (urlList.length!=0) {
	    	fetchPage(urlList.shift());
	  	}
	});
}).on('Fehler', Funktion (err) {
    console.log(fehler);
  });
 }
}
       //Die Funktion dient zum lokalen Speichern der gecrawlten Textinhaltsressourcen function savedContent($, news_title) {
	$("div.t2[style].tpc_content.do_not_catch").jeweils(Funktion (Index, Element) {
          var x = $(dieser).text();       
          x = x + '\n';   
		  //Fügen Sie den Nachrichtentextinhalt Stück für Stück dem /data-Ordner hinzu und benennen Sie die Datei mit dem Titel der Nachricht fs.appendFile('./data/' + news_title + '.txt', x, 'utf-8', function (err) {
			  wenn (Fehler) {
			    console.log(fehler);
			  }
		  });
		})
 }
//Die Funktion dient zum lokalen Speichern der gecrawlten Bildressourcen function savedImg($,news_title) {
  //Erstelle einen Ordner fs.mkdir('./image/'+news_title, function (err) {
        wenn(err){console.log(err)}
      });
  $('.tpc_content.do_not_catch input[src]').jeder(Funktion (Index, Element) {
        var img_title = index; //Jedem Bild eine Nummer hinzufügen var img_filename = img_title + '.jpg';
        var img_src = $(this).attr('src'); // URL des Bildes abrufen
//Verwenden Sie das Anforderungsmodul, um eine Anforderung an den Server zum Abrufen von Bildressourcen zu initiieren request.head(img_src,function(err,res,body){
  wenn(fehler){
    console.log(fehler);
  }
});
setzeTimeout(Funktion(){
  Anfrage({uri: img_src, Kodierung: 'binär'}, Funktion (Fehler, Antwort, Text) {
    wenn (!Fehler && response.statusCode == 200) {
      fs.writeFile('./image/'+news_title+'/' + img_filename, body, 'binary', Funktion (Fehler) {
        wenn(err){console.log(err)}
      });
    }
  })
});
})
}
fetchPage(url); //Das Hauptprogramm wird gestartet