前言

當(dāng)想用 nodejs 抓取一些網(wǎng)頁(yè) , 我第一反應(yīng)想到的就是使用 http 模塊 , 比如抓取百度首頁(yè):

var http = require('http');var req = http.request('http://www.baidu.com/', function (res) { res.setEncoding('utf8'); res.on('data', function (chunk) {  //響應(yīng)內(nèi)容  console.log(chunk) });});req.end(function () { // console.log('連接關(guān)閉');});

但是 , 這僅限于簡(jiǎn)單地抓取 html , 有很大的局限性。

假如你想要的內(nèi)容不在 html 里 , 而是 js 動(dòng)態(tài)生成的 , 那 http 模塊就不能滿足你的需求了 ;

假如網(wǎng)頁(yè)使 gbk 編碼的 , 上述方法也不太好用了。

假如是 https 上述方法也要改一改了。

我渴望一個(gè)更強(qiáng)大 , 但使用起來也不麻煩的工具。

PhantomJs

用 PhantomJs 就可以解決上述問題。

PhantomJs 就是一個(gè)沒有界面的瀏覽器。

安裝

使用 cnpm 安裝 PhantomJS 即可:

cnpm install phantomjs --save-dev

這里我沒有選擇全局安裝 , 因?yàn)槿职惭b的話 , 別人使用我的源碼的時(shí)候 , 不知道還有這么一個(gè)依賴 , 項(xiàng)目就跑不起來了。

如果你也選擇局部安裝 , 那么你需要在 package.json 里的 scripts 中加入一段 :

"phantomjs":"node_modules/.bin/phantomjs"

等下會(huì)用到這個(gè)的 , 到這里 , 安裝算完成了。

寫代碼

我們新建一個(gè)文件 , 名字隨意 , 這里我新建一個(gè) main.js :

var webpage = require('webpage');var page = webpage.create();page.open('http://www.baidu.com/', function (status) { var data; if (status === 'fail') {  console.log('open page fail!'); } else {  console.log(page.content);//打印出HTML內(nèi)容 } page.close();//關(guān)閉網(wǎng)頁(yè) phantom.exit();//退出phantomjs命令行});

這里有個(gè) webpage 模塊 , 我們剛才明明沒有這個(gè)模塊 , 為什么能引用這個(gè)模塊 ???

當(dāng)然不能引用 , 假如我們使用 node main.js 來跑這段代碼 , 是跑不起來的 , 應(yīng)該這樣運(yùn)行這段代碼 :

npm run phantomjs main.js

這里的 npm run phantomjs 對(duì)應(yīng)的就是前面我們?cè)?package.json 里加入的那段命令 , 很方便吧 , 幾乎和 http 模塊一樣方便。

page.content 就是 html 代碼了 , 這個(gè) page 對(duì)象還有很多的屬性 , 功能更強(qiáng)大。

到這里 , 你就已經(jīng)算入門了 , 想知道更多可以去 phantomjs 官網(wǎng)看看文檔了。

總結(jié)

以上就是這篇文章的全部?jī)?nèi)容了，希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作能帶來一定的幫助，如果有疑問大家可以留言交流，謝謝大家對(duì)武林網(wǎng)的支持。