這次帶給大家如何用node實現爬蟲功能，用node實現爬蟲功能的注意事項有哪些，下面就是實戰案例，一起來看一下。
node是伺服器端的語言，所以可以像python一樣對網站進行爬取，下面就使用node對部落格園區進行爬取，得到其中所有的章節資訊。
第一步： 建立crawl文件，然後npm init。
第二步： 建立crawl.js文件，一個簡單的爬取整個頁面的程式碼如下所示：
var http = require("http");
var url = "http://www.cnblogs.com";
http.get(url, function (res) {
var html = "";
res.on("data", function (data) {
html += data;
});
res.on("end", function () {
console.log(html);
});
}).on("error", function () {
console.log("获取课程结果错误！");
});即引入http模組，然後利用http物件的get請求，即一旦運行，相當於node伺服器端發送了一個get請求請求這個頁面，然後透過res返回，其中on綁定data事件用來不斷地接受數據，最後end時我們就在後台打印出來。
這只是整個頁面的一部分，我們可以在此頁面審查元素，發現確實是一樣的
#我們只需要將其中的章節title和每一小節的信息爬到即可。
第三步： 引入cheerio模組，如下：（在gitbash中安裝即可，cmd總是出問題）
cnpm install cheerio --save-dev
這個模組的引入，就是為了方便我們操作dom，就像jQuery一樣。
第四步： 操作dom，取得有用資訊。
var http = require("http");
var cheerio = require("cheerio");
var url = "http://www.cnblogs.com";
function filterData(html) {
var $ = cheerio.load(html);
var items = $(".post_item");
var result = [];
items.each(function (item) {
var tit = $(this).find(".titlelnk").text();
var aut = $(this).find(".lightblue").text();
var one = {
title: tit,
author: aut
};
result.push(one);
});
return result;
}
function printInfos(allInfos) {
allInfos.forEach(function (item) {
console.log("文章题目 " + item["title"] + '\n' + "文章作者 " + item["author"] + '\n'+ '\n');
});
}
http.get(url, function (res) {
var html = "";
res.on("data", function (data) {
html += data;
});
res.on("end", function (data) {
var allInfos = filterData(html);
printInfos(allInfos);
});
}).on("error", function () {
console.log("爬取博客园首页失败")
});即上面的過程就是在爬取部落格的題目和作者。
最終後台輸出如下：
這和部落格園區首頁的內容是一致的：
相信看了本文案例你已經掌握了方法，更多精彩請關注php中文網其它相關文章！
推薦閱讀：
以上是如何用node實現爬蟲功能的詳細內容。更多資訊請關注PHP中文網其他相關文章！
