每時每刻不管你睡了還是沒睡，互聯網都會有海量的數據來來往往，有客服端到服務端，有服務端到服務端。http的get和request完成的角色即為數據的獲取及提交,接下來我們動手寫一個簡單的小爬蟲來爬爬菜鳥教程中關于node的章節的課程界面。
爬取Node.js 教程首頁的所有數據
建立node-http.js,其中代碼如下，代碼中有詳細的的注釋，自行理解了哈
var http=require('http');//獲取http模塊var url='http://www.runoob.com/nodejs/nodejs-tutorial.html';//定義node官網地址變量http.get(url,function(res){ var html=''; // 這里將會觸發data事件，不斷觸發不斷跟新html直至完畢 res.on('data',function(data){ html +=data }) // 當數據獲取完成將會觸發end事件，這里將會打印初node官網的html res.on('end',function(){ console.log(html) })}).on('error',function(){ console.log('獲取node官網相關數據出錯')})終端執行結果中發現這個頁面的html全部被爬下來了
G:/node/node-http> node node-http.js<!Doctype html><html><head><meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /><meta property="qc:admins" content="465267610762567726375" /><meta name="viewport" content="width=device-width, initial-scale=1.0" /><title>Node.js 教程 | 菜鳥教程</title><link rel='dns-prefetch' href='//s.w.org' /><link rel="canonical" href="http://www.runoob.com/nodejs/nodejs-tutorial.html" /><meta name="keywords" content="Node.js 教程,node,Node.js,nodejs"><meta name="description" content="Node.js 教程 簡單的說 Node.js 就是運行在服務端的 JavaScript。 Node.js 是一個基于Chrome JavaScript 運行時建立的一個平臺。 Node.js是一個事件驅動I/O服務端JavaScript環境，基于Google的V8引擎，V8引擎執行Javascript的速度非?？欤阅芊浅：?。 誰適合閱讀本教程？ 如果你是一個前端程序員，你不懂得像PHP、Python或Ruby等動態編程語言，.."><link rel="shortcut icon" href="//static.runoob.com/images/favicon.ico" rel="external nofollow" rel="external nofollow" mce_href="//static.runoob.com/images/favicon.ico" rel="external nofollow" rel="external nofollow" type="image/x-icon"><link rel="stylesheet" href="/wp-content/themes/runoob/style.css?v=1.141" rel="external nofollow" type="text/css" media="all" /><link rel="stylesheet" href="//cdn.bootcss.com/font-awesome/4.7.0/css/font-awesome.min.css" rel="external nofollow" media="all" /><!--[if gte IE 9]><!-->。。。。。。。。。。這里只展示部分不然你半天看不到頭
當然爬個HTML對于我們來說沒啥用，現在我們要做些過濾，比如這個node教程中我想知道課程目錄有哪些，這樣可以選擇感興趣的去看看學學。直接上代碼吧還是：
不過在此之前我們需要下載cheerio模塊（cheerio是nodejs的抓取頁面模塊，為服務器特別定制的，快速、靈活、實施的jQuery核心實現。適合各種Web爬蟲程序。）具體詳細介紹你們可以自行去搜索了解，cheerio的用跟jquery的用法非常類似，所以不用擔心上手繁瑣。
PS G:/node/node-http> npm install cheerio
建立node-http-more.js,其中代碼如下：
var http=require('http');//獲取http模塊var cheerio=require('cheerio');//引入cheerio模塊var url='http://www.runoob.com/nodejs/nodejs-tutorial.html';//定義node官網地址變量// filer node chapterfunction filerNodeChapter(html){ // 將爬取得HTML裝載起來 var $=cheerio.load(html); // 拿到左側邊欄的每個目錄 var nodeChapter=$('#leftcolumn a'); //這里我希望我能獲取的到的最終數據格式這個樣子的,如此我們能知道每個目錄的地址及標題 /** * [{id:,title:}] */ var chapterData=[]; nodeChapter.each(function(item){ // 獲取每項的地址及標題 var id=$(this).attr('href'); var chapterData.push({ id:id, title:title }) }) return chapterData;}//獲取每個數據function getChapterData(nodeChapter){ nodeChapter.forEach(function(item){ console.log(' 【 '+item.id+' 】'+item.title+'/n') });}http.get(url,function(res){ var html=''; // 這里將會觸發data事件，不斷觸發不斷跟新html直至完畢 res.on('data',function(data){ html +=data }) // 當數據獲取完成將會觸發end事件，這里將會打印初node官網的html res.on('end',function(){ //console.log(html) // 過濾出node.js的課程目錄 var nodeChapter= filerNodeChapter(html); //循環打印所獲取的數據 getChapterData(nodeChapter) })}).on('error',function(){ console.log('獲取node官網相關數據出錯')})終端執行結果及打印出課程目錄
G:/node/node-http> node node-http-more.js 【 /nodejs/nodejs-tutorial.html 】Node.js 教程 【 /nodejs/nodejs-install-setup.html 】Node.js 安裝配置 【 /nodejs/nodejs-http-server.html 】Node.js 創建第一個應用 【 nodejs-npm.html 】 NPM 使用介紹 【 nodejs-repl.html 】 Node.js REPL 【 nodejs-callback.html 】 Node.js 回調函數 【 nodejs-event-loop.html 】 Node.js 事件循環 【 nodejs-event.html 】 Node.js EventEmitter 【 nodejs-buffer.html 】 Node.js Buffer 【 nodejs-stream.html 】 Node.js Stream 【 /nodejs/nodejs-module-system.html 】Node.js 模塊系統。。。。。。。。。。。這里就不全部給出，你可以自己嘗試著運行操作查看所有結果
到此一個簡單的爬蟲就寫完了，趕緊自己動手試試吧，希望對大家的學習有所幫助，也希望大家多多支持VeVb武林網。
新聞熱點
疑難解答
