HTTP小爬虫(在原视频代码的基础上加以修改完善了)
运行效果图:
代码
/**
* @file http小爬虫
* @author <a href="www.llms.com">hwj</a>
* @version 1.0
*/
/**
* 获取http模块
*/
var http = require('http');
/**
* 获取cheerio模块
*/
var cheerio = require('./node_modules/cheerio');
/**
* 解析的目标网页
*/
var url = 'http://www.imooc.com/learn/348';
/**
*
* 将爬取到的网页内容进行过滤调整
* @param {string} html
* @returns {{chapterTitle:string,videos:[{title:string,time:string,id:string}]}} 返回过滤到的对象
*/
function filterChapters(html) {
// cheerio加载html
var $ = cheerio.load(html);
var chapters = $('.chapter');
var courseData = [];
var chapter, Title, videos, chapterData;
var videos, videoTitle, id;
chapters.each(function (value) {
chapter = $(this);
/** nodeType返回值说明
* 1-ELEMENT
* 2-ATTRIBUTE
* 3-TEXT
* 4-CDATA
* 5-ENTITY REFERENCE
* 6-ENTITY
* 7-PI (processing instruction)
* 8-COMMENT
* 9-DOCUMENT
* 10-DOCUMENT TYPE
* 11-DOCUMENT FRAGMENT
* 12-NOTATION
*/
// 过滤不提取子类中的text
Title = chapter.find('strong').contents().filter(function () {
return this.nodeType == 3;
}).text().trim();
chapterData = {
"chapterTitle": Title,
"videos": []
}
videos = chapter.find('.video').children('li');
videos.each(function (value) {
video = $(this).find('.J-media-item');
// 这个title包含了video的title和这个video的时间,两者用换行符分割
videoTitles = video.contents().filter(function () {
return this.nodeType == 3;
}).text().trim().split('\n');
id = video.attr('href').split('video/')[1];
chapterData.videos.push({
"title": videoTitles[0].trim(),
"time": videoTitles[1].trim(),
"id": id
});
});
courseData.push(chapterData);
});
return courseData;
}
/**
* 打印课程信息
* @param {{chapterTitle:string,videos:[{title:string,time:string,id:string}]}} courseData 课程信息
*/
function printCoursrInfo(courseData) {
var courseMessage = '';
courseData.forEach(function (value, index) {
courseMessage += value.chapterTitle + '\n';
value.videos.forEach(function (value, index) {
courseMessage += '[' + value.id + '] ' + value.title + ' time:' + value.time + '\n';
});
courseMessage += '\n';
});
console.log(courseMessage);
}
http.get(url, function (res) {
var html = '';
res.on('data', function (data) {
html += data;
});
res.on('end', function () {
var courseData = filterChapters(html);
printCoursrInfo(courseData);
});
}).on('error', function () {
console.log('爬取失败!!!!');
});
点击查看更多内容
19人点赞
评论
共同学习,写下你的评论
评论加载中...
作者其他优质文章
正在加载中
感谢您的支持,我会继续努力的~
扫码打赏,你说多少就多少
赞赏金额会直接到老师账户
支付方式
打开微信扫一扫,即可进行扫码打赏哦