刮痧的JavaScript生成的网站使用的是Node.js(Scraping JavaScript-

2019-10-23 05:05发布

当我解析一个静态HTML页面,我的Node.js应用效果很好。 然而,当网址是JavaScript生成的页面,应用程序无法正常工作。 我怎样才能凑一个JavaScript生成的网页?

我app.js

var express = require('express'),
  fs = require('fs'),
  request = require('request'),
  cheerio = require('cheerio'),
  app = express();

app.get('/scrape', function( req, res ) {

  url = 'http://www.apache.org/';

  request( url, function( error, response, html ) {
    if( !error ) {
      var $ = cheerio.load(html);

      var title, release, rating;
      var json = { title : "" };

      $('body').filter(function() {
        var data = $(this);
        title = data.find('.panel-title').text();
        json.title = title;
      })
    }

    fs.writeFile('output.json', JSON.stringify(json, null, 4), function(err) {
      console.log( 'File successfully written! - Check your project directory for the output.json file' );
    });

    // Finally, we'll just send out a message to the browser reminding you that this app does not have a UI.
    res.send( 'Check your console!' );
  });
});

app.listen('8081');
console.log('Magic happens on port 8081');
exports = module.exports = app;

Answer 1:

因为它只是解析普通的HTML做出Cheerio不会在网页上执行JavaScript。

我会使用类似PhantomJS提出了不同的方法: http://phantomjs.org/



文章来源: Scraping JavaScript-generated website with Node.js