node抓取数据

使用node抓取某个页面的所以新闻链接及相关文章链接里面的具体内容

var  eventproxy=require('eventproxy');

var   request=require('superagent');

var  superagent=require('superagent-charset')(request);

var   cheerio=require('cheerio');

var  url=require('url');

var  fs=require('fs');

var  cnodeUrl='http://gd.qq.com/l/gdfabu/gdfbzwjj/more.htm';

var  sql=require('mssql');

superagent.get(cnodeUrl).charset()

.end(function(err, res) {

if(err) {

returnconsole.error(err);

}

var   topicUrls= [];

var   $ =cheerio.load(res.text,{decodeEntities:false});//cheerio like jquery

$('.list01 li a').each(function(idx, element) {

var    $element=$(element);

var   href=url.resolve(cnodeUrl,$element.attr('href'));

var   title=$element.text();

topicUrls.push({href:href,title:title});

});

var  fileStr="";

var  ep=new eventproxy();

ep.after('topic_html',topicUrls.length,function(topics) {

var   topics= topics.map(function(topicPair) {

var  topicUrl= topicPair[0];

var   topicHtml= topicPair[1];

var   $=cheerio.load(topicHtml,{decodeEntities:false});

var   cm=$('#Cnt-Main-Article-QQ').html()||"";

fileStr+="title:"+topicUrl.title+";url:"+topicUrl.href+/*";content:"+cm+*/"\n";

return({

title:topicUrl.title||"无",

url:topicUrl.href,

comment:cm

});

});

//console.log(topics);

//write file

/* fs.writeFile("node4.txt",fileStr,function(err){

if(err) return console.error(err);

});*/

// insert into database

var  conUrl="mssql://sa:123456@localhost:1433/text";

sql.connect(conUrl,function(err, conn) {

if(err) {

console.log(err);

return;

}

constrequest=newsql.Request();

topics.forEach(function(topic){

var  sqlL="INSERT INTO press (Title, Content, Origin) VALUES ('"+topic.title+"','"+topic.comment+"','"+topic.url+"')";

request.query(sqlL,function( e, r ) {

if(e) {

console.log(e);

}

// console.log(r);

console.log("success");

});

});

});

});

topicUrls.forEach(function(topicUrl) {

superagent.get(topicUrl.href).charset()

.end(function(err, res) {

ep.emit('topic_html', [topicUrl, res.text]);

});

});

});

eventproxy这前四个模块自己install,这个抓取方法不是最后,可以采用async去代替eventproxy,eventproxy是一次性抓取,容易  被别人发现,async可以控制抓取次数

写入数据库的自己模拟个,写入txt效果如下图:


最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 199,393评论 5 467
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 83,790评论 2 376
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 146,391评论 0 330
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 53,703评论 1 270
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 62,613评论 5 359
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,003评论 1 275
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,507评论 3 390
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,158评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,300评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,256评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,274评论 1 328
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,984评论 3 316
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,569评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,662评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,899评论 1 255
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,268评论 2 345
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 41,840评论 2 339

推荐阅读更多精彩内容