前言
就是簡(jiǎn)簡(jiǎn)單單寫(xiě)程序的我為什么需要抓包?
其實(shí)在平時(shí)寫(xiě)demo的時(shí)候需要用到一些圖片和文本的資源的,但是需求量比較大,這個(gè)時(shí)候就想去網(wǎng)站上面直接復(fù)制啊,然后圖片另存為啊,什么的一系列繁瑣的操作。
但是現(xiàn)在不需要了,你只要看到這篇文章,你就很輕松了。本項(xiàng)目Github地址:
https://github.com/xiaoqiuxiong/reptileDemo
1.在你的電腦桌面新建一個(gè)reptileDemo文件夾。
然后進(jìn)入文件夾,然后在改文件夾目錄下打開(kāi)cmd。輸入下圖所示回車(chē),連續(xù)按回車(chē)即可。
初始化完之后,你會(huì)在文件夾里面看下package.json文件,里面就是一些基本的包管理基本配置。
2.cmd輸入下圖所示,然后回車(chē)
這步是安裝cheerio模塊,主要是用來(lái)解釋html和使用jqueryAPI來(lái)操作請(qǐng)求返回的html。
3.cmd輸入下圖所示,然后回車(chē)
這步是安裝request模塊,主要是用來(lái)發(fā)請(qǐng)求處理的。
4.文件夾內(nèi)添加一個(gè)data文件夾,用來(lái)存放抓包的數(shù)據(jù)。
5.文件夾內(nèi)新建app.js文件。添加內(nèi)容如下:
let fs = require('fs');let cheerio = require('cheerio');let request = require('request');let path = require('path');let i = 0;let j = 0;//初始需要抓取的頁(yè)面url let url = "http://www.silver.org.cn/cjyw/list_p_1.html";let http = url.includes('https') ? require('https') : require('http');function startRequest(x) { // 采用http模塊向服務(wù)器發(fā)起一次get請(qǐng)求 http.get(x, function(res) { // 用來(lái)存儲(chǔ)請(qǐng)求網(wǎng)頁(yè)的整個(gè)html內(nèi)容 var html = ''; var titles = []; // 防止中文亂碼 res.setEncoding('utf-8'); // 監(jiān)聽(tīng)data事件,每次取一塊數(shù)據(jù) res.on('data', function(chunk) { html += chunk; }); // 監(jiān)聽(tīng)end事件,如果整個(gè)網(wǎng)頁(yè)內(nèi)容的html都獲取完畢,就執(zhí)行回調(diào)函數(shù) res.on('end', function() { // 采用cheerio模塊解析html var $ = cheerio.load(html); j = 0; savedContent($); i++; console.log('抓包頁(yè)碼:' + i); // 限制請(qǐng)求頁(yè)數(shù) if (i <= 10) { fetchPage(`http://www.silver.org.cn/cjyw/list_p_${i}.html`); } else { console.log('抓包完成'); }; }); }).on('error', function(err) { console.log(err); });}//保存內(nèi)容function savedContent($) { var item = $('.lt_col li')[j] // 標(biāo)題 var x = $(item).find('h2').text().trim(); // 內(nèi)容 var y = $(item).find('p').text().trim(); // 圖片地址 var z = $(item).find('img').attr('src'); // 圖片文件名 var o = path.basename(z); // 創(chuàng)建文件夾 fs.mkdir(`./data/${x}`, err => { if (!err) { // 保存文本 fs.appendFile(`./data/${x}/index.txt`, `標(biāo)題:${x}/n內(nèi)容:${y}`, 'utf-8', err => { if (err) { console.log(`****創(chuàng)建txt失敗****: ${x}`); } }); // 保存圖片 request.head(z, (err, res, body) => { if (err) { console.log(`****請(qǐng)求圖片失敗****: ${x}`); } }); // 寫(xiě)圖片到本地 request(z).pipe(fs.createWriteStream(`./data/${x}/${o}`)); j++; if (j <= $('.lt_col li').length - 1) { savedContent($) } } })}startRequest(url); //主程序開(kāi)始運(yùn)行
本項(xiàng)目主要是抓取一個(gè)新聞網(wǎng)站的新聞列表數(shù)據(jù),有標(biāo)題,內(nèi)容和圖片。
6.package.json修改如下:
"scripts": { "test": "echo /"Error: no test specified/" && exit 1", "dev": "node app.js" },
完結(jié)。
做完上面操作之后你就可以使用cmd,然后輸入
預(yù)覽
這樣就搞定了,是不是很爽啊。
瘋狂的程序員決不是靠狂妄和拼命的程序員,而是能夠腳踏實(shí)地,持續(xù)努力的程序員,一個(gè)程序員真正做到這兩點(diǎn),技術(shù)上去后,唯一能限制他的只有想象力,到那個(gè)時(shí)候才算“瘋狂的程序員”,這種程序員,才能令對(duì)手無(wú)比恐懼。
以上就是本文的全部?jī)?nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持武林網(wǎng)。
新聞熱點(diǎn)
疑難解答
圖片精選
網(wǎng)友關(guān)注