チェリオ&&人形遣い爬虫類のフロントエンド

序文

最近、サードパーティのデータをクロールする必要が小さなプログラムのプロジェクトをやって、そして重い爬虫類を拾うようになった、爬虫類実際には非常に優れたフロントエンドを達成するために、しかし、SPAであるため、今のページ、および必死ピット段、この記事を覚えてチャット開始しました快適住人。

通常のウェブサイトのクロールデータ--cheerio

簡単に言えば、ツールキットは、数行のコードを解決するために

const $ = require('cheerio')
const requestPromise = require('request-promise')
const url = 'https://juejin.im/books';
requestPromise(url)
    .then((html) => {
        // 利用 cheerio 来分析网页内容，拿到所有小册子的描述
        const books = $('.info', html)
        let totalSold = 0
        let totalSale = 0
        let totalBooks = books.length
        // 遍历册子节点，分别统计它的购买人数，和销售额总和
        books.each(function () {
            const book = $(this)
            const price = $(book.find('.price-text')).text().replace('￥', '')
            const count = book.find('.message').last().find('span').text().split('人')[0]
            totalSale += Number(price) * Number(count)
            totalSold += Number(count)
        })

        // 最后打印出来
        console.log(
            `共 ${totalBooks} 本小册子`,
            `共 ${totalSold} 人次购买`,
            `约 ${Math.round(totalSale / 10000)} 万`
        )

    })
复制代码

しかし。。。ナゲッツは、古典的なSPAであるためしかし、デンバークロール上記の例は、不十分であり、サーバはデータがない、唯一の空のノードをマウント返します。このように、リードヘッドレスブラウザの人形遣い

--puppeteerクロールSPAページ

const $ = require('cheerio');
const puppeteer = require('puppeteer');
const url = 'https://juejin.im/books';

async function run(params) {
    //打开一个浏览器
    const browser = await puppeteer.launch();
    // 打开一个页面
    const page = await browser.newPage();
    await page.goto(url, {
        waitUntil: 'networkidle0'
    });
    const html = await page.content();
    const books = $('.info', html);
    let totalSold = 0
    let totalSale = 0
    let totalBooks = books.length
    // 遍历册子节点，分别统计它的购买人数，和销售额总和
    books.each(function () {
        const book = $(this)
        const price = $(book.find('.price-text')).text().replace('￥', '')
        const count = book.find('.message').last().find('span').text().split('人')[0]
        totalSale += Number(price) * Number(count)
        totalSold += Number(count)
    })

    // 最后打印出来
    console.log(
        `共 ${totalBooks} 本小册子`,
        `共 ${totalSold} 人次购买`,
        `约 ${Math.round(totalSale / 10000)} 万`
    )

}
run()
复制代码

次のように冊子のページデータをクロールすることでした

ます。https：//juejin.im/post/5d020bf0e51d455d877e0d20で再現