使用nodejs爬取前程无忧前端技能排行


Posted in NodeJs onMay 06, 2017

最近准备换工作,需要更新一下技能树。为做到有的放矢,想对招聘方的要求做个统计。正好之前了解过nodejs,所以做了个爬虫搜索数据。

具体步骤:

1.  先用fiddler分析请求需要的header和body。

2.  再用superagent构建上述数据发送客户端请求。

3.  最后对返回的数据使用cheerio整理。

折腾了几个晚上,只搞出了个架子,剩余工作等有时间再继续开发。

/*使用fiddler抓包,需要配置lan代理,且设置如下参数*/
process.env.https_proxy = "http://127.0.0.1:8888";
process.env.http_proxy = "http://127.0.0.1:8888";
process.env.NODE_TLS_REJECT_UNAUTHORIZED = "0";
/*使用到的模块*/
var request = require('superagent');  //发送客户端请求
require('superagent-proxy')(request);  //使用代理发送请求
var cheerio = require('cheerio');    //以jq类似的方法操作返回的字符,不需要用正则
require('superagent-charset')(request);//node不支持gbk,gb2312,this will add request.Request.prototype.charset.
var async = require('async');      //异步流控制模块
var fs = require('fs');
/*相关参数,通过fiddler抓包后复制过来*/
var ws = fs.createWriteStream('res.html',{flags:'w+'}); //a+追加的读写模式,w+覆盖
var loginUrl = "https://login.51job.com/login.php";
var searchUrl = "http://search.51job.com/jobsearch/search_result.php";
var queryStrings = "fromJs=1&jobarea=020000&keyword=%E5%89%8D%E7%AB%AF%E5%BC%80%E5%8F%91&keywordtype=2&lang=c&stype=2&postchannel=0000&fromType=1&confirmdate=9";
var loginForms = {
  lang: 'c',
  action: 'save',
  from_domain: 'i',
  loginname: '***',  //自己的用户名和密码
  password: '***',
  verifycode: '',
  isread: 'on'
};
var searchForms = {
  lang: 'c',
  stype: '2',
  postchannel: '0000',
  fromType: '1',
  line: '',
  confirmdate: '9',
  from: '',
  keywordtype: '2',
  keyword: '%E5%89%8D%E7%AB%AF%E5%BC%80%E5%8F%91',
  jobarea: '020000',
  industrytype: '',
  funtype: ''
};
var searchFormsString='lang=c&stype=2&postchannel=0000&fromType=1&line=&confirmdate=9&from=&keywordtype=2&keyword=%C7%B0%B6%CB%BF%AA%B7%A2&jobarea=020000&industrytype=&funtype=';
var proxy0 = process.env.https_proxy;
var proxy = process.env.http_proxy;
const agent = request.agent();     //agent()方法产生的实例会保存cookie供后续使用
request.post(loginUrl).proxy(proxy0).send(loginForms).end(function (err,res0) {
  agent.post(searchUrl)
    .proxy(proxy)          //proxy()方法需紧跟在method方法之后调用,否则fiddler抓不到数据包
    .type('application/x-www-form-urlencoded')
    .query(queryStrings)  
//使用字符串格式
    .send(searchFormsString)
    .charset('gbk')        //通过charset可知编码字符格式,不设置会有乱码
    .end(function (err, res) {
      /* 以下是处理返回数据的逻辑代码*/
      var $ = cheerio.load(res.text);  //res.text是返回的报文主体
      async.each($('.el.title').nextAll('.el'), function(v, callback) {
        //将多余的内容删除,保留岗位、公司链接
        $(v).prepend($(v).find('.t1 a'));
        $(v).find('.t1').remove();
        ws.write($.html(v), 'utf8');
      }, function(err) {
        console.log(err);
      });
      console.log('successful');
    })
});
//jquery内置document元素为root,cheerio需要通过load方法传入,然后用选择器查找指定元素,再执行相应操作。
// $.html(el);静态方法,返回el元素的outerHtml
//TODO
// 1.当前只请求到一页数据,还需构建所有页数的请求列表
// 2.向每条数据的岗位链接发送请求,获取技能关键字,存入文件中
// 3.node中io操作是异步的,且没有锁的概念,如何并发地向同一个文件正确地写入数据

结果显示如下:

使用nodejs爬取前程无忧前端技能排行

以上所述是小编给大家介绍的使用nodejs爬前程无忧前端技能排行,希望对大家有所帮助,如果大家有任何疑问欢迎给我留言,小编会及时回复大家的!

NodeJs 相关文章推荐
Nodejs实现批量下载妹纸图
May 28 NodeJs
详解nodejs与javascript中的aes加密
May 22 NodeJs
浅析Nodejs npm常用命令
Jun 14 NodeJs
nodeJs内存泄漏问题详解
Sep 05 NodeJs
nodejs的HTML分析利器node-jquery用法浅析
Nov 08 NodeJs
NodeJS创建最简单的HTTP服务器
May 15 NodeJs
nodejs利用ajax实现网页无刷新上传图片实例代码
Jun 06 NodeJs
Express+Nodejs 下的登录拦截实现代码
Jul 01 NodeJs
让nodeJS支持ES6的词法----babel的安装和使用方法
Jul 31 NodeJs
NodeJS父进程与子进程资源共享原理与实现方法
Mar 16 NodeJs
NodeJs入门教程之定时器和队列
Mar 08 NodeJs
NodeJS实现一个聊天室功能
Nov 25 NodeJs
win系统下nodejs环境安装配置
May 04 #NodeJs
Nodejs--post的公式详解
Apr 29 #NodeJs
NodeJs的fs读写删除移动监听
Apr 28 #NodeJs
NodeJs安装npm包一直失败的解决方法
Apr 28 #NodeJs
NodeJs模拟登陆正方教务
Apr 28 #NodeJs
用Nodejs搭建服务器访问html、css、JS等静态资源文件
Apr 28 #NodeJs
Nodejs读取文件时相对路径的正确写法(使用fs模块)
Apr 27 #NodeJs
You might like
我的论坛源代码(十)
2006/10/09 PHP
PHP5.5和之前的版本empty函数的不同之处
2014/06/13 PHP
Laravel中间件实现原理详解
2016/10/09 PHP
PHP解压ZIP文件到指定文件夹的方法
2016/11/17 PHP
php微信公众号开发之音乐信息
2018/10/20 PHP
JavaScript splice()方法详解
2020/09/22 Javascript
JavaScript初学者建议:不要去管浏览器兼容
2014/02/04 Javascript
Javascript中3种实现继承的方法和代码实例
2014/08/12 Javascript
javascript基本类型详解
2014/11/28 Javascript
JavaScript实现查找字符串中第一个不重复的字符
2014/12/29 Javascript
纯javascript代码实现计算器功能(三种方法)
2015/09/07 Javascript
原生javascript实现图片放大镜效果
2017/01/18 Javascript
Javascript中 带名 匿名 箭头函数的重要区别(推荐)
2017/01/29 Javascript
微信JSAPI Ticket接口签名详解
2020/06/28 Javascript
详解react-native-fs插件的使用以及遇到的坑
2017/09/12 Javascript
Node 代理访问的实现
2019/09/19 Javascript
python数字图像处理之骨架提取与分水岭算法
2018/04/27 Python
pygame实现简易飞机大战
2018/09/11 Python
python Gunicorn服务器使用方法详解
2019/07/22 Python
django中使用POST方法获取POST数据
2019/08/20 Python
Python实现使用dir获取类的方法列表
2019/12/24 Python
在HTML5 canvas里用卷积核进行图像处理的方法
2018/05/02 HTML / CSS
大学生个人求职口试自我评价
2014/02/16 职场文书
书法大赛策划方案
2014/06/04 职场文书
个人股份转让协议书范本
2014/10/26 职场文书
2014年工商所工作总结
2014/12/09 职场文书
2015年考研复习计划
2015/01/19 职场文书
售后服务承诺函格式
2015/01/21 职场文书
工程部经理岗位职责
2015/02/02 职场文书
特岗教师个人总结
2015/02/10 职场文书
中学生自我评价范文
2015/03/03 职场文书
陈斌强事迹观后感
2015/06/17 职场文书
毕业感言怎么写
2015/07/31 职场文书
2015年幼儿园班主任个人工作总结
2015/10/22 职场文书
nginx处理http请求实现过程解析
2021/03/31 Servers
css3 文字断裂效果
2022/04/22 HTML / CSS