最近因為劇荒，老大追了愛奇藝的一部網劇，由丁墨的同名小說《美人為餡》改編，目前已經放出兩季，雖然整部劇槽點滿滿，但是老大看得不亦樂乎，並且在看完第二季之後跟我要小說資源，直接要奔原著去看結局……
隨手搜了下，都是在線資源，下載的話需要登錄，註冊登錄好麻煩，寫個爬蟲玩玩也好，於是動手用node 寫了一個，這裡做下筆記
工作流程
獲取URLs 列表(請求資源 request模組)
根據URLs 列表獲取相關頁面源碼(可能遇到相關頁源(頁面編碼問題，iconv-lite模組)
源碼解析，獲取小說資訊( cheerio模組)
保存小說資訊到Markdown 文件，並且加適當修飾以及章節資訊(寫文件fs、同步請求資源 sync-request 模組)
Markdown 轉PDF (使用Pandoc 或Chrome 的列印功能)
取得URLs
根據小說的導航頁，取得小說所有章節的URL，並以JSON 陣列的方式儲存。
首選透過 http.get() 方法取得頁面原始碼
取得到原始碼，列印發現中文亂碼，檢視發現 charset = 'gbk'，需要進行轉碼
使用iconv-lite 模組進行轉碼，中文顯示正常顯示後來開始解析源碼，取得所需的URL，為了更方便地解析，需要引進 cheerio 模組，cheerio 可以理解為運行在後台的jQuery，用法與jQuery 也十分相似，熟悉jQuery 的同學可以很快的上手
將原始碼載入進 cheerio，分析了原始碼後得知所有章節資訊都存於被div 包裹的a 標籤中，透過 cheerio 取出符合條件的 a 標籤組，進行遍歷，取得章節的title 和URL，儲存為對象，存進數組，(因為連結中儲存的URL 不完整，所以儲存時需要補齊)
將物件陣列序列化，寫進 list.json 檔案
var http = require("http")
var fs = require("fs")
var cheerio = require("cheerio")
var iconv = require("iconv-lite")
var url = 'http://www.17fa.com/files/article/html/90/90747/index.html'
http.get(url, function(res) { //资源请求
var chunks = []
res.on('data', function(chunk) {
chunks.push(chunk)
})
res.on('end', function() {
var html = iconv.decode(Buffer.concat(chunks), 'gb2312') //转码操作
var $ = cheerio.load(html, {
decodeEntities: false
})
var content = $("tbody")
var links = []
$('div').children('a').each(function(i, elem) {
var link = new Object()
link.title = $(this).text()
link.link = 'http://www.17fa.com/files/article/html/90/90747/' + $(this).attr('href') //补齐 URL 信息
if (i > 5) {
links.push(link)
}
})
fs.writeFile("list.json", JSON.stringify(links), function(err) {
if (!err) {
console.log("写文件成功")
}
})
}).on('error', function() {
console.log("网页访问出错")
})
})
獲取數據
有了URLs 列表，接下來的工作就很機械了，遍歷URLs 列表請求資源，獲取源碼，解析源碼，獲取小說，寫文件，但是，因為最終將所有的章節保存入一個文件，要確保章節的順序，因此寫文件需要同步操作，實際上，我在編碼的時候所有的操作都改成了同步方式獲取源碼[{
"title": "3 法医司白",
"link": "http://www.17fa.com/files/article/html/90/90747/16548771.html"
}, {
"title": "4 第1个梦 ",
"link": "http://www.17fa.com/files/article/html/90/90747/16548772.html"
}, {
"title": "5 刑警韩沉 ",
"link": "http://www.17fa.com/files/article/html/90/90747/16548773.html"
}, {
"title": "6 最初之战",
"link": "http://www.17fa.com/files/article/html/90/90747/16548774.html "
}]var http = require("http")
var fs = require("fs")
var cheerio = require("cheerio")
var iconv = require("iconv-lite")
var request = require('sync-request')
var urlList = JSON.parse(fs.readFileSync('list.json', 'utf8'))
function getContent(chapter) {
var res = request('GET',chapter.link)
var html = iconv.decode(res.body, 'gb2312') //获取源码
}
for (let i = 0; i < urlList.length; i++) {
getContent(urlList[i])
}也可以在內容前添加拍[TOC]，作為導航連結
function getContent(chapter) {
var res = request('GET',chapter.link)
var html = iconv.decode(res.body, 'gb2312')
var $ = cheerio.load(html, {
decodeEntities: false
})
var content = ($("div#r1c").text()).replace(/\ /g, '')
}
我將小說保存在Markdown 文件中，為了提升閱讀體驗，可以將Markdown 文件轉換成PDF 文件，目前我較為喜歡的兩種方式，透過Chrome 的列印功能以及pandoc 轉換
Chrome 列印
SublimeText 有個插件markdown preview ，可透過Alt + m 快鍵在Chrome 中預覽Markdown，在Chrome 頁面中按鍵選擇另存為PDF，簡單，粗暴，深得我心
打印效果：
pandoc 轉換
pandoc 是十分強大的文件格式轉換工具，可以將Markdown 文件轉換成多種格式，今晚在windows10下折騰了半天，總是檢索不到pdflatex，關於pandoc，後面會特別寫一篇總結。
PDF 已經發給老大了，現在正在看
關於python、node、爬蟲
在之前很長的一段時間裡，很想用Python，很想寫爬蟲，更想用Python 寫爬蟲，甚至成為了心裡的一塊執念，隨著接觸的知識更全面，執念也逐漸淡去，少了很多“想”，遇事想著多去動手，實踐出真知。
