位置: 编程技术 - 正文
node+experss实现爬取电影天堂爬虫(node网络爬虫)
编辑：rootadmin推荐整理分享node+experss实现爬取电影天堂爬虫(node网络爬虫)，希望有所帮助，仅作参考，欢迎阅读内容。
文章相关热门搜索词:node爬数据,node爬取视频,nodejs做爬虫,nodejs做爬虫,node爬数据,node.js爬虫教程,node做爬虫,node做爬虫,内容如对您有帮助，希望把文章链接给更多的朋友！
上周写了一个node+experss的爬虫小入门。今天继续来学习一下，写一个爬虫2.0版本。
这次我们不再爬博客园了，咋玩点新的，爬爬电影天堂。因为每个周末都会在电影天堂下载一部电影来看看。
talk is cheap,show me the code!
抓取页面分析
我们的目标：
1、抓取电影天堂首页，获取左侧最新电影的条链接
2、抓取部新电影的迅雷下载链接，并且并发异步抓取。
具体分析如下：
1、我们不需要抓取迅雷的所有东西，只需要下载最新发布的电影即可,比如下面的左侧栏。一共有个，除去第一个（因为第一个里面有部电影），一共有部电影。
2、除了抓取首页的东西，我们还要抓取点进去之后，每部电影的迅雷下载链接
环境搭建
1、需要的东西：node环境、express、cherrio 这三个都是上一篇文章有介绍的，所以这里不再做介绍：点击查看
2、需要安装的新东西：
superagent：
作用：跟request差不多，我们可以用它来获取get/post等请求，并且可以设置相关的请求头信息，相比较使用内置的模块，要简单很多。
用法：
superagent-charset：
作用：解决编码问题，因为电影天堂的编码是gb,爬取下来的中文会乱码掉。
用法：
async：
作用：Async是一个流程控制工具包，提供了直接而强大的异步功能，在这里作为处理并发来调用。
用法：这里需要用到的是：async.mapLimit(arr, limit, iterator, callback)
mapLimit可以同时发起多个异步操作，然后一起等待callback的返回，返回一个就再发起下一个。
arr是一个数组，limit并发数，将arr中的每一项依次拿给iterator去执行，执行结果传给最后的callback
eventproxy：
作用：eventproxy 起到了计数器的作用，它来帮你管理到底异步操作是否完成，完成之后，它会自动调用你提供的处理函数，并将抓取到的数据当参数传过来。
例如我首先抓取到电影天堂首页侧栏的链接，才可以接着抓取链接里面的内容。具体作用可以点这里
用法：
开始爬虫
主要的程序在app.js这里，所以看的话可以主要看app.js即可
1、首先定义一些全局变量，该引入的库引进来
2、开始爬取首页迅雷首页：
在这里，我们先抓取首页的东西，把首页抓取到的页面内容传给 getAllMovieLink和highScoreMovie这两个函数来处理，
getAllMovieLink获取到了左侧栏除了第1部的电影的电影。
highScoreMovie为左侧栏第一个链接，里面的都是评分比较高的电影。
上面的代码中，我们弄了一个计数器，当它执行完之后，我们就可以执行与‘get_topic_html‘名字对应的流程了，从而可以保证在执行完首页的抓取工作之后，再执行次级页面的抓取工作。
highScoreMovie方法如下，其实我们这里的作用不大，只是我统计一下高评分电影首页的信息，懒的继续抓取了
3、分离出左侧栏的信息，
如下图，首页中，详情页的链接都在这里$('.co_content2 ul a')。
因此我们将左侧栏这里的详情页链接都遍历出来，保存在一个newMovieLinkArr这个数组里面。
getAllMovieLink方法如下：
4、对获取到的电影详情页进行爬虫，提取有用信息，比如电影的下载链接，这个是我们所关心的。
首先是async.mapLimit对所有详情页做了一个并发，并发数为5，然后再爬取详情页，爬详情页的过程其实和爬首页的过程是一样的，所以这里不做过多的介绍，然后将有用的信息打印到页面上。
5、执行命令之后的图如下所示：
浏览器界面：
这样，我们爬虫的稍微升级版就就完成啦。可能文章写的不是很清楚，我已经把代码上传到了github上，可以将代码运行一遍，这样的话比较容易理解。后面如果有时间，可能会再搞一个爬虫的升级版本，比如将爬到的信息存入mongodb，然后再在另一个页面展示。而爬虫的程序加个定时器，定时去抓取。
备注：如果运行在浏览器中的中文乱码的话，可以将谷歌的编码设置为utf-8来解决；
代码地址：
Node.js测试中的Mock文件系统详解 Mock文件系统相关的工具包括：Mockfs模块的工具mock-fs。Mockrequire模块的工具mock-require。安装mock-fs和mock-require都是NPM软件包，在项目中可通过npm直接安装：
Nodejs进阶：如何将图片转成datauri嵌入到网页中去实例 问题：将图片转成datauri今天，在QQ群有个群友问了个问题：nodejs读取图片，转成base，怎么读取呢？想了一下，他想问的应该是怎么样把图片嵌入到网
Nodejs进阶：基于express+multer的文件上传实例 概览图片上传是web开发中经常用到的功能，node社区在这方面也有了相对完善的支持。常用的开源组件有multer、formidable等，借助这两个开源组件，可以轻
标签: node网络爬虫
本文链接地址:https://www.jiuchutong.com/biancheng/374089.html 转载请保留说明！上一篇：Node.js 实现简单小说爬虫实例(nodejs实战教程)
下一篇：Node.js测试中的Mock文件系统详解(nodejs 性能测试)
