利用node.js写爬虫爬取某相亲网站全部交友信息

点击查看爬取世纪佳缘相亲交友信息

利用node.js，写了一个爬虫js。1个小时左右的时间，便爬取了2000多条交友信息，包括网名，年龄，图片，学历，工资等。当然，爬取的速度和网速有很大的关系，也和你要爬取的网站响应的速度有关。先看一下，爬取的成果（涉及隐私，面部全部打上马赛克）

说一下思路和代码流程：

首先require引入http（如果爬取的网站是https安全模式的话，引入https），fs, path 。代码如下：

var https = require("https");
var http = require("http");
var fs = require("fs");
var path = require("path");
var file;

封装一个下载图片到本地的函数，也就是说，给这个函数传一个图片在互联网的地址就可以下载这张图片到本地。图片的命名采用爬虫爬取的网名+性别+交友宣言+学历+工资..........

function downPic(url) {var filename = path.join("images",file);http.get(url,function (res) {res.setEncoding("binary");var data = "";res.on("data",function (chunk) {data+=chunk;});res.on("end",function () {fs.writeFile(filename, data,{encoding:"binary"}, function (err) {if (err){console.log(err);}else {console.log("下载成功！");};});});});
}

选择想要爬取网站的地址url（比如：http://www.xxxx.com），先把这个网站所有的html爬取下来。

var file="http://www.xxxx.com"
http.get(file,function (res) {var data = "";res.on("data",function (chunk) {data += chunk;});res.on("end",function (){console.log(data); }

如上代码，data中已经保存了该页面的所有html文档内容。剩下了就是对这个data中有用的信息进行处理。利用强大的正则表达式对该页面进行筛选。然后把所有的有用信息，存在数组里边。

var reg_img = /src="(http:\/\/[a-zA-Z0-9-/_.]+)" alt="/g; //爬取图片var reg_name = /" target="_blank">([a-zA-Z0-9-\u4E00-\u9FA5/]+)<\/a><\/span>/g; //爬取网名var reg_info = /"fz12">([a-zA-Z0-9-\u4E00-\u9FA5，\s]+)/g; //爬取信息var reg_address = /    ([\u4E00-\u9FA5\s-]+)<br/g; //爬取地址var reg_salary=/月薪：([0-9-\u4E00-\u9FA5\s-]+)<\/p/g; //爬取工资var reg_intro=/" target="_blank">([a-zA-Z0-9-\u4E00-\u9FA5 \/，？。；：'"、.\r\n\s]+)<\/a><\/p>/g;  //爬取介绍var temp;var imgs = [];var names = [];var infos = [];var address = [];var salarys = [];var intros = [];while ((temp=reg_img.exec(data))!=null){imgs.push(temp[1]);}while ((temp=reg_name.exec(data))!=null){names.push(temp[1]);}while ((temp=reg_info.exec(data))!=null){infos.push(temp[1]);}while ((temp=reg_address.exec(data))!=null){address.push(temp[1].trim());}while ((temp=reg_salary.exec(data))!=null){salarys.push(temp[1]);}while ((temp=reg_intro.exec(data))!=null){intros.push(temp[1]);}for(var i=0;i<imgs.length;i++){   a++;file=a+" 网名："+names[i]+" 信息："+infos[i]+" 地址:"+address[i]+" 工资:"+salarys[i]+"元"+"介绍:"+intros[i]+".jpg";downPic(imgs[i]);}
})

到这里一个页面的信息就爬取完了，要想爬取多个页面。就要改变url，然后多次代用上面的代码。多次调用可以通过for（）循环，或者通过setInterval()定时器每隔一段时间调用一次。建议通过定时器进行调用，因为通过for循环的话，太快！且不说你自己的电脑受不受得了，而且你不断的爬取获取该网站的内容，容易被该网站发现。很多的网站都有反爬虫监控。

利用node.js写爬虫爬取某相亲网站全部交友信息相关推荐

Java爬虫爬取某招聘网站招聘信息
Java爬虫爬取某招聘网站招聘信息一.系统介绍二.功能展示 1.需求爬取的网站内容 2.实现流程 2.1数据采集 2.2页面解析 2.3数据存储三.获取源码一.系统介绍系统主要功能:本项目 ...
Python爬虫爬取链家网上的房源信息练习
一原链接:用Python爬虫爬取链家网上的房源信息_shayebuhui_a的博客-CSDN博客_python爬取链家打开链家网页:https://sh.lianjia.com/zufang/ ...
python爬虫爬取微信公众号小程序信息
python爬虫爬取微信公众号小程序信息爬取内容某汽车维修信息提供的维修店名称,地点以及电话(手机)号码爬取步骤啥也别管,先抓包看看,在这里,博主使用的抓包软件是charles 抓包:将网络传 ...
python3网络爬虫--爬取b站用户投稿视频信息（附源码）
文章目录一．准备工作 1．工具二．思路 1．整体思路 2．爬虫思路三．分析网页 1.分析数据加载方式 2．分词接口url 3.分析用户名(mid) 四．撰写爬虫五．得到数据六．总结上次写了 ...
详细实例：用python爬虫爬取幽默笑话网站！（建议收藏）
前言: 今天为大家带来的内容是详细实例:用python爬虫爬取幽默笑话网站!(建议收藏),文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下! 爬取网站为 ...
爬虫爬取快代理网站动态IP
爬虫爬取快代理网站动态IP import requests, time from lxml import etree import time import randomcookie = "& ...
Node.js 2小时爬取驴妈妈8W+条旅游数据
节前在CSDN博客看了<用python爬虫爬取去哪儿4500个热门景点,看看国庆不能去哪儿>. 后来我自己用Node.js去爬取一下,发现有问题. 去哪儿接口:http://piao.qu ...
【Node.js】爬虫--抓取新闻标题、图片、文字描述，支持QQ、iFeng
Sodino 文章目录 1. app.js 2. img-spider.js 3. img.gallery.js 4. ifengImgs.js 5. ifengPictures.js 6. qqIm ...
Python爬虫爬取伯乐在线网站信息
一.环境搭建 1.创建环境执行pip install scrapy安装scrapy 使用scrapy startproject ArticleSpider创建scrapy项目使用pycharm导入 ...

利用node.js写爬虫爬取某相亲网站全部交友信息

利用node.js写爬虫爬取某相亲网站全部交友信息相关推荐

最新文章

热门文章

利用node.js写爬虫 爬取某相亲网站全部交友信息

利用node.js写爬虫 爬取某相亲网站全部交友信息相关推荐

最新文章

热门文章

利用node.js写爬虫爬取某相亲网站全部交友信息

利用node.js写爬虫爬取某相亲网站全部交友信息相关推荐