当前位置 主页 > 网站技术 > 代码类 > 最大化 缩小

    node爬取新型冠状病毒的疫情实时动态

    栏目:代码类 时间:2020-02-06 21:06

    写在前面:

    新型冠状病毒有多么可怕,我想大家都已经知道了。湖北爆发了新型冠状病毒,湖南前几天爆发了禽流感,四川发生地震,中国加油!昨天晚上我突发奇想地打算把疫情实时动态展示在自建站上,于是说干就干(先附上昨晚用puppeteer截的图片)。 

    安装node_modules:

    所需的node_modules:①puppeteer;②cheerio;③fs;④cron。

    需要注意的是安装puppeteer的时候很容易安装失败,这里有俩个解决方法,都是用淘宝源(马云爸爸不是白叫的😄)。

    一、先将npm换成淘宝源再安装:

    npm config set registry http://registry.npm.taobao.org/
    npm install -g cheerio
    npm i -g puppeteer
    npm i -g fs
    npm i -g cron

    二、用cnpm进行安装:

    npm install cnpm -g --registry=https://registry.npm.taobao.org/
    cnpm install -g cheerio
    cnpm i -g puppeteer
    cnpm i -g fs
    cnpm i -g cron

    具体操作:

    用puppeteer爬取:

    puppeteer本质上是一个chrome浏览器,网页很难分清这是人类用户还是爬虫,我们可以用它来加载动态网页。

    先来一个简单的例子,用puppeteer截图:

    const puppeteer = require('puppeteer');
     
    (async () => {
     const browser = await puppeteer.launch({args: ['--no-sandbox', '--disable-setuid-sandbox']});  //启动浏览器实例
      /* puppeteer.launch()的可选参数如下:
      headless: 是否打开浏览器,默认为true
      ignoreHTTPSErrors: 是否忽略https错误,默认为true
      executablePath: 配置要调用浏览器的可执行路径,默认是同Puppeteer一起安装的Chromeium
      slowMo:指定的毫秒延缓Puppeteer的操作
      args:设置浏览器的相关参数,比如是否启动沙箱模式“--no-sandbox”,是否更换代理“--proxy-server”,
      */
     const page = await browser.newPage();  //新建页面
     await page.goto('https://ncov.dxy.cn/');  //访问目标网页:丁香医生
     await page.screenshot({  //进行截图
      path: 'p1.png',
      type: 'png',
      // quality: 100, 只对jpg有效
      // 指定区域截图,clip和fullPage两者只能设置一个
      // fullPage: true,
      clip: {
       x: 0,
       y: 0,
       width: 1000,
       height: 1000
      }
     });
     browser.close();  //关闭浏览器
    })();

    用puppeteer获取网页源代码:

    const puppeteer = require('puppeteer');
     
    (async () => {
     const browser = await puppeteer.launch();
     const page = await browser.newPage();
     await page.goto('https://ncov.dxy.cn/');
     //page.frames() 获取当前页面所有的 iframe,然后根据 iframe 的名字精确获取某个想要的 iframe
     const frame = await page.mainFrame();
     const bodyHandle = await frame.$('html');  //获取所有的html
     //frame.evaluate()在浏览器中执行函数,相当于在控制台中执行函数,返回一个Promise
     const html = await frame.evaluate(body=>body.innerHTML,bodyHandle);
     await bodyHandle.dispose();
     browser.close();
     console.log(html);
    })();

    用cheerio解析html:

    // 使用cheerio模块装载我们得到的页面源代码,返回的是一个类似于jquery中的$对象
    // 使用这个$对象就像操作jquery对象一般去操作我们获取得到的页面的源代码
    var $ = cheerio.load(html);
    var $menu_box = $(".statistics___1cFUQ");
    console.log($menu_box.html());