用NodeJS進行爬取

Question

我需要在循環中從url中提取鏈接，因此基本上我需要再次執行該函數，但我不知道如何使用nodejs進行此操作。

var request = require('request');
var cheerio = require('cheerio');
var searchTerm = 'baloncesto';
var url = 'http://mismarcadores.com/' + searchTerm;

request(url , function(err,resp,body){
    $ = cheerio.load(body);
    links = $('a');
    $(links).each(function(i,link){
        console.log(url+$(link).attr('href'));
    }
   )
})

我的問題是關於如何從此數組中提取鏈接，因為此代碼可以正常工作（此代碼在控制台中顯示了鏈接），但是我需要抓取這些鏈接。

結果將是在每個內部抓取URL。

Answer 1

var request = require('request');
var cheerio = require('cheerio');
var searchTerm = 'baloncesto';
var url = 'http://mismarcadores.com/' + searchTerm;
request(url , function(err,resp,body){
    $ = cheerio.load(body)
    var allLinks = []
    links = $('a');
    $(links).each(function(i,link){
        console.log(url+$(link).attr('href'))
        var currentLink = url+$(link).attr('href')
        allLinks.push(currentLink)
        if (i == links.length-1){
          useLinks(allLinks)
        }
    }
   )
})

function useLinks(allLinks){
  console.log(allLinks)
}

如果您要問如何從cheerio接收的鏈接中提取URL，那么您已經在做這個了。 如果您希望在請求完成后在其他地方使用它們（例如，再次進行抓取），則將它們存儲在數組中，並在遍歷最后一個鏈接之后調用函數以使用該數組。

Answer 2

它看起來應該像這樣：

let links = $('a').get().map(a => $(a).attr('href'))

Answer 3

我同意我的解決方案，就像問題一樣，但變化不同。

我不會僅提取我通過網址傳遞的鏈接來提取所有鏈接。

var express = require('express');
var fs      = require('fs');
var request = require('request');
var cheerio = require('cheerio');
var app     = express();
var searchTerm = 'baloncesto';
var url = 'http://mismarcadores.com/' + searchTerm;
var arr2 = [];
app.get('/webscrape', function(req, res,body){  
    request(url , function(err,resp,body){
        var array2 = [];
        var array3 = [];
        $ = cheerio.load(body);
        links = $('a'); //jquery get all hyperlinks
        $(links).each(function(i, link){
            if($(link).attr('href').includes("baloncesto")){
                array2.push($(link).attr('href'));
            }
        }); 
        const uniqueLinks = new Set([...array2]);   
        uniqueLinks.forEach((d) => {    
        const row = []; // a new array for each row of data
            row.push(d);
            array3.push(row.join()); // by default, join() uses a ','
        }); 
        fs.writeFile('raaga_output.json', JSON.stringify(array3, null, 4), function(err){
            console.log('File successfully written! - Check your project directory for the raaga_output.json file');
        })      
        res.send('File successfully written! - Check your project directory for the raaga_output.json file');   
    })
})
app.listen('3000')
console.log('Web Scrape happens on port 3000');
exports = module.exports = app;

每個人都可以毫無問題地使用它。