基于node.js实现爬虫的讲解

1. cheerio 与 request

var cheerio = require('cheerio');
var request = require('request');
var startUrl = 'http://www.baidu.com'
request(startUrl, function(err, response) {
 if (err) {
 console.log(err);
 }
 var $ = cheerio.load(response.body);
 var title = $('title').text();
 console.log(title);
}

2. 认识 cheerio

获取 element 位置

通过 class 属性进行匹配：

var $=cheerio.load('<div class="container"></div>'); 
$('.container')

取其链接：<a class="downbtn" href="http://mov.bn.netease.com/mobilev/2013/1/F/G/S8KTEF7FG.mp4" id="M8KTEKR84" target="_blank"></a>

$('a.downbtn').attr('href')

某一页面下的全部可链接：

var url = 
var $ = cheerio.load(data);
 $("a.downbtn").each(function(i, e) {
 console.log($(e).attr("href"));
 });
 console.log("done");
 } else {
 console.log("error");
 } 

总结