node：爬蟲爬取網頁圖片

木子先生發表於2019-02-16
爬蟲網頁

前言

週末自己在家閒著沒事，刷著微信，玩著手機，發現自己的微信頭像該換了，就去網上找了一下頭像，看著圖片，自己就想著作為一個碼農，可以把這些圖片都爬取下來做成一個微信小程式，說幹就幹，瞭解一下基本都知道怎麼做了，整理分享一波給大家。

目錄

  • 安裝node，並下載依賴
  • 搭建服務
  • 請求我們要爬取的頁面，返回json

安裝node

我們開始安裝node，可以去node官網下載nodejs.org/zh-cn/，下載完成後執行node使用，

node -v複製程式碼

安裝成功後會出現你所安裝的版本號。

接下來我們使用node, 列印出hello world，新建一個名為index.js檔案輸入

console.log('hello world')複製程式碼

執行這個檔案

node index.js
複製程式碼

就會在控制皮膚上輸出hello world

搭建伺服器

新建一個·名為node的資料夾。

首先你需要下載express依賴

npm install express 
複製程式碼

再新建一個名為demo.js的檔案 目錄結構如圖：

node：爬蟲爬取網頁圖片

在demo.js引入下載的express

const express = require('express');
const app = express();
app.get('/index', function(req, res) {
res.end('111')
})
var server = app.listen(8081, function() {
    var host = server.address().address
    var port = server.address().port
    console.log("應用例項，訪問地址為 http://%s:%s", host, port)

})
複製程式碼

執行node demo.js簡單的服務就搭起來了，如圖：

node：爬蟲爬取網頁圖片

請求我們要爬取的頁面

請求我們要爬取的頁面

npm install superagent
npm install superagent-charset
npm install cheerio
複製程式碼

superagent 是用來發起請求的，是一個輕量的,漸進式的ajax api,可讀性好,學習曲線低,內部依賴nodejs原生的請求api,適用於nodejs環境下.，也可以使用http發起請求

superagent-charset防止爬取下來的資料亂碼，更改字元格式

cheerio為伺服器特別定製的，快速、靈活、實施的jQuery核心實現.。 安裝完依賴就可以引入了

var superagent = require('superagent');
var charset = require('superagent-charset');
charset(superagent);
const cheerio = require('cheerio');
複製程式碼

引入之後就請求我們的地址，https://www.qqtn.com/tx/weixintx_1.html，如圖：

node：爬蟲爬取網頁圖片

宣告地址變數：

const baseUrl = 'https://www.qqtn.com/'
複製程式碼

這些設定完之後就是發請求了，接下來請看完整程式碼demo.js

var superagent = require('superagent');
var charset = require('superagent-charset');
charset(superagent);
var express = require('express');
var baseUrl = 'https://www.qqtn.com/'; //輸入任何網址都可以
const cheerio = require('cheerio');
var app = express();
app.get('/index', function(req, res) {
    //設定請求頭
    res.header("Access-Control-Allow-Origin", "*");
    res.header('Access-Control-Allow-Methods', 'PUT, GET, POST, DELETE, OPTIONS');
    res.header("Access-Control-Allow-Headers", "X-Requested-With");
    res.header('Access-Control-Allow-Headers', 'Content-Type');
    //型別
    var type = req.query.type;
    //頁碼
    var page = req.query.page;
    type = type || 'weixin';
    page = page || '1';
    var route = `tx/${type}tx_${page}.html`
    //網頁頁面資訊是gb2312，所以chaeset應該為.charset('gb2312')，一般網頁則為utf-8,可以直接使用.charset('utf-8')
    superagent.get(baseUrl + route)
        .charset('gb2312')
        .end(function(err, sres) {
            var items = [];
            if (err) {
                console.log('ERR: ' + err);
                res.json({ code: 400, msg: err, sets: items });
                return;
            }
            var $ = cheerio.load(sres.text);
            $('div.g-main-bg ul.g-gxlist-imgbox li a').each(function(idx, element) {
                var $element = $(element);
                var $subElement = $element.find('img');
                var thumbImgSrc = $subElement.attr('src');
                items.push({
                    title: $(element).attr('title'),
                    href: $element.attr('href'),
                    thumbSrc: thumbImgSrc
                });
            });
            res.json({ code: 200, msg: "", data: items });
        });
});
var server = app.listen(8081, function() {

    var host = server.address().address
    var port = server.address().port

    console.log("應用例項，訪問地址為 http://%s:%s", host, port)

})
複製程式碼

執行demo.js就會返回我們拿到的資料，如圖：

node：爬蟲爬取網頁圖片

一個簡單的node爬蟲就完成了。希望可以到 專案上點一個 star 作為你對這個專案的認可與支援，謝謝。

專案地址：github.com/Mr-MengBo/R…



相關文章