web前端|js教程
javascript,Node.js,模块
web前端-js教程
本文主要介绍了浅谈Node.js爬虫之网页请求模块,小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧,希望能帮助到大家。
电影网站源码一键采集,vscode显示列宽线,ubuntu鼠标难受,tomcat运行无响应,php爬虫吧,php的tinymce,福建提供seo联系方式,橙色教程网站源码,修改模板源码lzw
本文介绍了Node.js爬虫之网页请求模块,分享给大家,具体如下:
php秀场直播系统源码,vscode鼠标看不清,pcre ubuntu,mac下配置tomcat,cef sqlite,网页设计安利,dede 数据库 查询,云服务器搭建网站,插件搜索,前端框架 汽车,爬虫进去了,php 除以,中山专业seo服务,springboot的增,信用卡网站源代码程序,单页网页 下载,响应式搜索引擎模板,phpcms 后台编辑器html转义,js 判断页面顶部,小型管理系统源代码,团购程序源码lzw
注:如您下载最新的nodegrass版本,由于部分方法已经更新,本文的例子已经不再适应,详细请查看开源地址中的例子。
仿yy语音源码,pip安装插件vscode,当Ubuntu卡死,tomcat线程名称规范,parser爬虫视频,php工作经历,咸宁外包seo推广哪个好,动态相册网站源码,shopex模板修改lzw
A、为什么我要写这样一个模块?
源于笔者想使用Node.js写一个爬虫,虽然Node.js官方API提供的请求远程资源的方法已经非常简便,具体参考
/api/http.html 其中对于Http的请求提供了,http.get(options, callback)和http.request(options, callback)两个方法,
看方法便知,get方法用于get方式的请求,而request方法提供更多的参数,例如其它请求方式,请求主机的端口等等。对于Https的请求于Http类似。一个最简单的例子:
var https = require(https);https.get(/, function(res) { console.log("statusCode: ", res.statusCode); console.log("headers: ", res.headers); res.on(data, function(d) { process.stdout.write(d); });}).on(error, function(e) { console.error(e);});
对于以上代码,我们无非就是想请求远程主机,得到响应信息,例如响应状态,响应头,响应主体内容。其中get方法的第二个参数是一个回调函数,我们异步的获取响应信息,然后,在该回调函数中,res对象又监听data,on方法中第二个参数又是一个回调,而你得到d(你请求到的响应信息)后,很可能在对它进行操作的时候再次引入回调,一层层下去,最后就晕了。。。对于异步方式的编程,对于一些习惯同步方式写代码的同学是非常纠结的,当然国内外已经对此提供了一些非常优秀的同步类库,例如老赵的Wind.js……好像有点扯远了。其实,我们调用get最终要得到的无非就是响应信息,而不关心res.on这样的监听过程,因为太懒惰。不想每次都res.on(‘data’,func),于是诞生了今天我要介绍的nodegrass。
B、nodegrass请求资源,像Jquery的$.get(url,func)
一个最简单的例子:
var nodegrass = require( odegrass);nodegrass.get("",function(data,status,headers){ console.log(status); console.log(headers); console.log(data);},gbk).on(error, function(e) { console.log("Got error: " + e.message);});
咋一看,和官方原来的get没啥区别,确实差不多=。=!只不过少了一层res.on(‘data’,func)的事件监听回调而已。不管你信不信,反正我看上去感觉舒服多了,第二个参数同样是一个回调函数,其中的参数data是响应主体内容,status是响应状态,headers是响应头。得到响应内容,我们就可以对得到的资源提取任何我们感兴趣的信息啦。当然这个例子中,只是简单的打印的控制台而已。第三个参数是字符编码,目前Node.js不支持gbk,这里nodegrass内部引用了iconv-lite进行了处理,所以,如果你请求的网页编码是gbk的,例如百度。只需加上这个参数就行了。
那么对于https的请求呢?如果是官方api,你得引入https模块,但是请求的get方法等和http类似,于是nodegrass顺便把他们整合在一块了。看例子:
var nodegrass = require( odegrass);nodegrass.get("",function(data,status,headers){ console.log(status); console.log(headers); console.log(data);},utf8).on(error, function(e) { console.log("Got error: " + e.message);});
nodegrass会根据url自动识别是http还是https,当然你的url必须得有,不能只写/而需要/。
对于post的请求,nodegrass提供了post方法,看例子:
var ng=require( odegrass);ng.post("/oauth2/access_token",function(data,status,headers){ var accessToken = JSON.parse(data); var err = null; if(accessToken.error){err = accessToken; } callback(err,accessToken); },headers,options,utf8);
以上是新浪微博Auth2.0请求accessToken的一部分,其中使用nodegrass的post请求access_token的api。
post方法相比get方法多提供了headers请求头参数,options–post的数据,它们都是对象字面量的类型:
var headers = { Content-Type: application/x-www-form-urlencoded, Content-Length:data.length };var options = { client_id : id,client_secret : cs,grant_type : authorization_code,redirect_uri : your callback url,code: acode };
C、利用nodegrass做代理服务器?……**
看例子:
var ng = require( odegrass), http=require(http), url=require(url); http.createServer(function(req,res){ var pathname = url.parse(req.url).pathname; if(pathname === /){ng.get(/,function(data){ res.writeHeader(200,{Content-Type: ext/html;charset=utf-8}); res.write(data+"\n"); res.end(); },utf8);} }).listen(8088); console.log(server listening 8088...);
就这么简单,当然代理服务器还有复杂的多,这个不算是,但至少你访问本地8088端口,看到的是不是博客园的页面呢?
nodegrass的开源地址:/scottkiss/nodegrass
Node.js 开发资讯爬虫流程代码分享
NodeJS糗事百科爬虫实例教学
爬虫问题解决的相关问题