nodejs实现爬取网站图片功能
通过实例给大家讲解nodejs实现爬取网站图片功能,以下就是全部内容:
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:
npminstallexpressrequestcheerio--save
(1)引入各个模块
varhttp=require('http'); varrequest=require('request); varcheerio=require('cheerio'); varfs=require('fs');//用来操作文件 varurl='https://movie.douban.com/cinema/nowplaying/beijing/'//定义要爬的页面
(2)发送请求
http.get(function(res){ varhtml=''; vartitles=[]; 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 $('.mod-bdimg').each(function(index,item){ //获取图片属性 varimgName=$(this).parent().next().text().trimg() varimgfile=imgName+'.jpeg'; varimgSrc=$(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)); }) }) })