前言
今天没有什么前言，就是想分享些关于**爬虫**的技术，任性。来吧，各位客官，里边请...
开篇第一问：爬虫是什么嘞？
首先咱们说哈，爬虫不是“虫子”，姑凉们不要害怕。
爬虫 - 一种通过一定方式按照一定规则抓取数据的操作或方法。
开篇第二问：爬虫能做什么嘞？
来来来，谈谈需求
产品MM：
- 爱豆的新电影上架了，整体电影评价如何呢？
- 暗恋的妹子最近又失恋了，如何在她发微博的时候第一时间知道发了什么，好去呵护呢？
- 总是在看小说的时候点到广告？总是在看那啥的时候点出来，澳xx场又上线啦？
- 做个新闻类网站没有数据源咋办？
研发GG：
爬虫随时准备为您服务！
- 使用爬虫，拉取爱豆视频所有的评价，导入表格，进而分析评价
- 使用爬虫，加上定时任务，拉取妹子的微博，只要数据有变化，接入短信或邮件服务，第一时间通知
- 使用爬虫，拉取小说内容或xxx的视频，自己再设计个展示页，perfect！
- 使用爬虫，定时任务，拉取多个新闻源的新闻，存储到数据库
开篇第三问：爬虫如何实现嘞？
实现爬虫的技术有很多，如python、Node等，今天胡哥给大家分享使用Node做爬虫：爬取小说网站-首页推荐小说
爬取第一步-确定目标
目标网站：https://www.23us.so
我们要获取排行榜中六部小说的：书名、封面、以及小说书籍信息对应的地址(后续获取小说完整信息)
爬取第二步-分析目标特点
网页的内容是由HTML生成的，抓取内容就相当找到特定的HTML结构，获取该元素的值。
打开网页调试控制台，查看元素HTML结构。
注意观察页面HTML的结构，排行榜推荐的小说的HTML结构是
1bdo#s-dd 元素 2 dd 子元素 - 每一部小说 3 a 目录信息 4 img 封面 5 a 小说名称
爬取第三步-弄丫的
工具善其事必先利其器，准备好趁手的兵器！
superagent
模拟客户端发送网络请求，可设置请求参数、header头信息
1npm install superagent -D
cheerio
类jQuery库，可将字符串导入，创建对象，用于快速抓取字符串中的符合条件的数据
1npm install cheerio -D
项目目录：
1node-pachong/ 2 - index.js 3 - package.json 4 - node_modules/
上代码：
1// node-pachong/index.js 2/** 3 * 使用Node.js做爬虫实战 4 * author: justbecoder <justbecoder@aliyun.com> 5 */ 6 7// 引入需要的工具包 8const sp = require('superagent'); 9const cheerio = require('cheerio'); 10 11// 定义请求的URL地址 12const BASE_URL = 'http://www.23us.so'; 13 14// 1. 发送请求，获取HTML字符串 15(async () => { 16 let html = await sp.get(BASE_URL); 17 18 // 2. 将字符串导入，使用cheerio获取元素 19 let $ = cheerio.load(html.text); 20 21 // 3. 获取指定的元素 22 let books = [] 23 $('#s_dd dd').each(function () { 24 let info = { 25 link: $(this).find('a').eq(0).attr('href'), 26 name: $(this).find('a').eq(1).text(), 27 image: $(this).find('img').attr('src') 28 } 29 books.push(info) 30 }) 31 console.log(books) 32})()
**
友情提醒：**每个网站的HTML结构是不一样，在抓取不同网站的数据时，要分析不同的解构，才能百发百中。
效果图：
获取到信息之后，做接口数据返回、存储数据库，你想干啥都行...
源码获取
关注胡哥有话说公众号，回复“爬虫”，即可获取源码地址。
后记
以上就是胡哥今天给大家分享的内容，喜欢的小伙伴记得**收藏、转发、点击右下角按钮在看**，推荐给更多小伙伴呦，欢迎多多留言交流...
胡哥有话说，一个有技术，有情怀的胡哥！与你一起聊聊大前端，分享前端系统架构，框架实现原理，最新最高效的技术实践！
扫码关注，更帅更漂亮呦！关注胡哥有话说公众号，可与胡哥继续深入交流呦！
