nodejs来实现一个爬虫功能 ,爬取豆瓣图片

原理：
爬虫是最明显的IO密集型应用场景，显然用node，使得I/O等待开销小数据挖掘比较方便

借助express模块来搭建node服务

并使用request模块获取目标页面的html代码

下载cheerio模块对html代码做处理(cheerio类似jQuery的语法，所以好用又方便)

环境配置：

npm install express request cheerio --save

(1)引入各个模块

var http = require('http');
var request = require('request);
var cheerio = require('cheerio');var fs = require('fs'); //用来操作文件var url = 'https://movie.douban.com/cinema/nowplaying/beijing/' //定义要爬的页面

(2)发送请求

http.get(function(res){var html = '';var titles = [];res.setEncoding('utf-8') //防止中文乱码res.on('data',function(chunk){html += chrunk;       //监听data事件 每次取一块数据})res.on('end',function(){var $ = cheerio.load(html);   //获取数据完成后，解析html//将获取的图片存到images文件夹中$('.mod-bd img').each(function(index, item){//获取图片属性var imgName = $(this).parent().next().text().trimg()var imgfile = imgName + '.jpeg';var imgSrc = $(this).attr('src')//采用request模块，向服务器发起请求 获取图片资源request.head(imgSrc, function(error, res,body){if(error){console.log('失败了')}});//通过管道的方式用fs模块将图片写到本地的images文件下request(imgSrc).pipe.(fs.createWriteStream('./images/' + imgfile));})})
})

每天进步一点点......