node爬取数据实例：聊聊怎么抓取小说章节

web前端|js教程 node怎么爬取数据？下面本篇文章给大家分享一个node爬虫实例，聊聊利用node抓取小说章节的方法，希望对大家有所帮助！准备用electron制作一个小说阅读工具练练手，那么首先要解决的就是数据问题，也就是小说的文本。这里准备使用nodejs对小说网站进行爬虫爬取，尝试爬下一本小说，数据就不存放数据库了，先使用txt作为文本存储

在node中对于网站的请求，本身就存在http和https库，内部含有request请求方法。

实例:

request = https.request(TestUrl, { encoding:'utf-8' }, (res)=>{    let chunks = ''    res.on('data', (chunk)=>{        chunks += chunk    })    res.on('end',function(){        console.log('请求结束');    })})

但是也就到此为止了，只是存取了一个html的文本数据，并不能够对内部元素进行提取之类的工作（也可以正则拿，但是太过复杂）。

我将访问到的数据通过fs.writeFile方法存储起来了，这只是整个网页的html

但是我想要的还有各个章节中的内容，这样一来就需要获取章节的超链接，组成超链接链表进去爬取

cheerio库

所以，这里就要介绍一个js的库了，cheerio

在文档中，可以使用示例进行调试

---

使用cheerio解析HTML

cheerio解析html时，获取dom节点的方式与jquery相似。

根据之前获取到的书籍首页的html，查找自己想要的dom节点数据

const fs = require('fs')const cheerio = require('cheerio');// 引入读取方法const { getFile, writeFun } = require('./requestNovel')let hasIndexPromise = getFile('./hasGetfile/index.html');let bookArray = [];hasIndexPromise.then((res)=>{    let htmlstr = res;    let $ = cheerio.load(htmlstr);    $(".listmain dl dd a").map((index, item)=>{        let name = $(item).text(), href = 'https://www.shuquge.com/txt/147032/' + $(item).attr('href')        if (index > 11){            bookArray.push({ name, href })        }            })    // console.log(bookArray)    writeFun('./hasGetfile/hrefList.txt', JSON.stringify(bookArray), 'w')})

打印一下信息

可以同时将这些信息也存储起来

---

现在章节数和章节的链接都有了，那么就可以获取章节的内容了。

爬取某一章节的内容其实也比较简单：

// 爬取某一章节的内容方法function getOneChapter(n) {    return new Promise((resolve, reject)=>{        if (n >= bookArray.length) {            reject('未能找到')        }        let name = bookArray[n].name;        request = https.request(bookArray[n].href, { encoding:'gbk' }, (res)=>{            let html = ''            res.on('data', chunk=>{html += chunk;            })            res.on('end', ()=>{           let $ = cheerio.load(html);let content = $("#content").text();if (content) {    // 写成txt    writeFun(`./hasGetfile/${name}.txt`, content, 'w')    resolve(content);} else {    reject('未能找到')}            })        })        request.end();    })}getOneChapter(10)

---

这样，就可以根据上面的方法，来创造一个调用接口，传入不同的章节参数，获取当前章节的数据

const express = require('express'); const IO = express();const { getAllChapter, getOneChapter } = require('./readIndex')// 获取章节超链接链表getAllChapter();IO.use('/book',function(req, res) {    // 参数    let query = req.query;    if (query.n) {        // 获取某一章节数据        let promise = getOneChapter(parseInt(query.n - 1));        promise.then((d)=>{            res.json({ d: d })        }, (d)=>{            res.json({ d: d })        })    } else {        res.json({ d: 404 })    }    })//服务器本地主机的数字IO.listen('7001',function(){    console.log("启动了。。。");})

效果：

现在，一个简单的查找章节接口就做好了，并且也可以做一些参数超出判断。

对于不同的数据接口，爬虫处理方式也不一样，不过在本次爬取的链接中，内容的显示并不是由前端动态渲染出来的，所以可以直接爬取静态的html即可。如果遇到数据是通过Ajax之类的方式获取到的json串，那就要通过网络接口去请求数据了。

nodejs 教学！