Python爬虫看腻了?JS爬虫来拯救你!
一提到爬虫,大多数同学都想到的是Python,今天小千就给大家上一下不同的菜,利用js制作一个爬虫,Python用腻了来试试js吧。
一、引言
最近娱乐圈比较的火的算是郑爽事件了,作为一名程序猿如何能或者最新的娱乐热点新闻呢? 今天咱们就用js做一个网络爬虫,来爬取一个网站的新闻数据。
二、什么是爬虫?
网络爬虫,又称为网页蜘蛛,网络机器人,意思是我们通过程序去搜集网络上某些网站的数据。典型的通过爬虫获取数据的网站,比如百度、谷歌等搜索引擎。还有一些新闻聚合类网站,比如今日头条等网站。之前淘宝的一淘,返利网等网站都是利用了爬虫技术去获取别人网站的一些信息。 爬虫也不能乱用,无限制的去爬取一个网站的信息,那样会导致人家公司服务器压力比较大。之前有句爬虫界比较流行的话:爬虫玩的好,监狱进的早;数据玩的溜,牢饭吃个够!做技术的要有自己的底线,之前有程序员用爬虫为公司做了一些工作,结果公司被诉讼,程序猿被带走!
三、开始之前
为了防止出一些意外,首先我们可以访问你要爬取的目标网站的robots协议。 robots协议也叫robots.txt(统一小写)是一种存放于网站根目录下的ASCII编码的文本文件,它通常告诉网络爬虫:此网站中的哪些内容是不应被爬虫获取的,哪些是可以被爬虫获取的。参考robots.txt去爬取数据,再设置一下间歇时间,不会有人在意的。
红色部分是关键,所有的网页都不能被爬取!!有句话不知当讲不当讲!
冷静下来,文章还没写就要结束了吗?我的kpi咋办!!!
看看我们的今天要爬取的网页地址,我们今天要爬取的网页后缀名不是html!!!
不知道是不是网站的技术人员忽略了这样的地址,哈哈哈。
四、正式开始
我们使用nodejs做爬虫,要使用到两个npm包,cheerio 和 axios
首先按照nodej,然后安装axios和cheerio 。
五、安装axios
axios是一个可以发起请求从而获取网页内的包。
键盘上按win+r,输入CMD,在里面输入 npm i aixos
就可以安装axios
六、安装cheerio
安装cheerio cheerio 是一的用法跟jQuery的用法差不多。 就是先将页面的数据load进来形成一个特定的数据格式,然后通过类似jq的语法,对数据进行解析处理。 终端中输入
npm i cheerio
七、爬取数据
新建sp.js文件,写入如下代码
执行node sp.js 命令
网页的数据已经获取到了,然后我们就可以使用jquery的语法获取页面中的数据了。 下面我们分析一下页面的结构
可以看到页面中所有的新闻标题都在a标签中,类名是truetit。然后我们就可以使用jq的选择器获取页面中所有类名为truetit的元素。
终端中结果
这样每次执行就可以获取最新的娱乐新闻,不需要打开网页就可以获取到,当然我们只是获取了第一页的数据,你也可以获取第二页、第三页等其他页面的数据。 我们现在相当于只获取了一个网站的娱乐数据,如果你再分析一些其他的网站,获取一些其他的网站的数据,然后把数据都存储起来,自己就可以做一个只显示娱乐新闻的网站了!
同学们学习web前端,可以参考千锋成都web前端培训班推出的学习路线,结合千锋成都名师精心录制的全套web前端视频教程,可以让你对学习web前端需要掌握的知识有个清晰的了解,并快速入门web前端开发。
Python爬虫看腻了?JS爬虫来拯救你!相关推荐
- python中 getnode用法_node.js 爬虫入门总结
node.js爬虫 前端同学可能向来对爬虫不是很感冒,觉得爬虫需要用偏后端的语言,诸如 php , python 等.当然这是在 nodejs 前了,nodejs 的出现,使得 Javascript ...
- Node.js爬虫一站到底系列先导篇
前言: 在web编程课上,老师布置了爬虫任务,而没有任何经验和相关方面知识的小白简直一头雾水,不知道该如何下手.一开始抱着一本厚厚的犀牛书啃了好几天,本以为对Javascipt语法有一定了解后便可以自 ...
- nodejs爬虫与python爬虫_Python,Node.js 哪个比较适合写爬虫?
主要看你定义的"爬虫"干什么用. 1.如果是定向爬取几个页面,做一些简单的页面解析,爬取效率不是核心要求,那么用什么语言差异不大. 当然要是页面结构复杂,正则表达式写得巨复杂,尤其 ...
- python展开阅读全文_展开阅读全文 js 爬虫操作
from selenium import webdriver import time import random from bs4 import * browser = webdriver.Chrom ...
- Python爬虫教程-16-破解js加密实例(有道在线翻译)
python爬虫教程-16-破解js加密实例(有道在线翻译) 在爬虫爬取网站的时候,经常遇到一些反爬虫技术,比如: 加cookie,身份验证UserAgent 图形验证,还有很难破解的滑动验证 js签 ...
- python爬虫高级教程,JS逆向之百度翻译
环境 python版本号 系统 游览器 python 3.7.2 win7 google chrome 关于本文 本文将会通过爬虫的方式实现简单的百度翻译.本文中的代码只供学习,不允许作为于商务作用. ...
- 看不懂别做爬虫-----python scrapy爬取淘宝
淘宝商品数据爬取 1.网页分析 做爬虫第一步当然是打开网页进行分析 首先打开网站以后 发现在显示的位置 没有我们想要的数据 那我们就 使用查找就可以 ctrl + f 复制一个商品的信息 看看网页源代 ...
- python爬虫百科-Python从概念上先了解爬虫
什么是爬虫 爬虫:就是抓取网页数据的程序.搜索引擎的底层其实就是爬虫. 百度百科:网络爬虫 关于Python爬虫,我们需要学习的有: Python基础语法学习(基础知识) HTML页面的内容抓取(数据 ...
- svg text换行_5分钟看懂SVG反爬虫原理与绕过实战 | 知了干货分享
SVG反爬虫不同于字体反爬虫,它巧妙的利用css 与 svg的关系,将字符映射到网页中,看起来虽然正常,但是却抓取不到有效内容.本文带你深入浅出,破了SVG反爬虫的套路,学会之后,可应用于某点评网. ...
最新文章
- bzoj1251: 序列终结者 (splay)
- ffmpeg 基本用法大全
- HDU 2896 病毒侵袭 AC自动机
- 大厂面试官最喜欢问的面试难点
- [LeetCode] Valid Anagram
- 计算当前时间往加N天后的时间,Date,SimpleDateFormat,Calendar
- BeagleBone Black 板第三课:Debian7.5系统安装和远程控制BBB板
- python_字符串常用方法
- 计算机网络应用基础试题6,计算机网络应用基础期末试卷试题2
- oracle周数计算方法
- matlab 图像分割_数字图像处理第三版中_冈萨雷斯【MATLAB】(推书活动第十七期)...
- flash模拟器调全屏_模拟全屏或调暗背景
- NSGA-II中“支配”的概念
- linux scp密码参数,linux-scp不输入密码 - 不断的前进ING。。。 - 51Testing软件测试网 51Testing软件测试网-软件测试人的精神家园...
- php开发之Composer包
- 怎么样把聊天记录彻底删除?
- pcm输出还是源码输出_观看高清必备 如何简单实现源码输出
- 数值计算一阶常微分方程求解实现
- beautifulsoup的用法
- richedit php,VC中RichEdit 控件的使用