Nodejs实现爬虫的几种方式

本文主要是介绍Nodejs实现爬虫的几种方式，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

获取代理 IP

// 需要安装 axios 模块 - npm install axios --save
const axios = require('axios')

// id secret 等参数是在猿人云官网提取API内获取的
const queries = {
    id: 'xxx',
    secret: 'xxx',
    limit: 1,
    format: 'txt',
    auth_mode: 'auto'
};

axios.get('http://tunnel-api.apeyun.com/q', {
    params: queries,
}).then((response) => {
    console.log('IP：', response.data);
}).catch((e) => {
    console.error('Error:', e);
});

爬虫程序

• axios

  ---

   

  // 需要安装 axios 模块 - npm install axios --save
  const axios = require('axios')
  
  // 要访问的目标页面
  let targetUrl = "http://www.baidu.com"
  
  // 代理服务器,假设提取到的代理 ip 是 123.123.123.123:1234
  const proxyHost = "123.123.123.123"
  const proxyPort = 1234
  
  // 代理验证信息(猿人云官网获取)
  const proxyUser = "xxx"
  const proxyPass = "xxx"
  
  let proxy = {
      host: proxyHost,
      port: proxyPort,
      auth: {
          username: proxyUser,
          password: proxyPass
      }
  }
  
  // 参见官方文档 https://github.com/axios/axios#request-config
  axios.get(targetUrl,{proxy:proxy})
      .then(function (response) {
          // handle success
          console.log(response.data)
      })
      .catch(function (error) {
          // handle error
          console.log(error)
      })
      .finally(function () {
          // always executed
      });
  

  　　

• http

• ---

   

• const http = require("http")
  const url  = require("url")
  
  // 要访问的目标页面
  const targetUrl = "http://www.baidu.com"
  const urlParsed   = url.parse(targetUrl)
  
  // 代理服务器,假设提取到的代理ip是123.123.123.123:1234
  const proxyHost = "123.123.123.123"
  const proxyPort = "1234"
  
  // 代理隧道验证信息(猿人云官网获取)
  const proxyUser = "xxx"
  const proxyPass = "xxx"
  
  const base64 = Buffer.from(proxyUser + ":" + proxyPass).toString("base64")
  
  const options = {
      host: proxyHost,
      port: proxyPort,
      path: targetUrl,
      method: "GET",
      headers: {
          "Host": urlParsed.hostname,
          "Proxy-Authorization": "Basic " + base64
      }
  }
  
  http.request(options, function(res) {
      console.log("got response: " + res.statusCode)
  })
  .on("error", function(err) {
      console.log(err)
  })
  .end()
  

  　　

• request

  ---

   

• // 需要安装 request 模块 - npm install request --save
  const request = require("request")
  
  // 要访问的目标页面
  const targetUrl = "http://www.baidu.com"
  
  // 代理服务器,假设提取到的代理ip是123.123.123.123:1234
  const proxyHost = "123.123.123.123"
  const proxyPort = 1234
  
  // 代理隧道验证信息(猿人云官网获取)
  const proxyUser = "xxx"
  const proxyPass = "xxx"
  
  const proxyUrl = "http://" + proxyUser + ":" + proxyPass + "@" + proxyHost + ":" + proxyPort
  
  const proxiedRequest = request.defaults({'proxy': proxyUrl})
  
  const options = {
      url: targetUrl,
      headers: {}
  }
  
  proxiedRequest.get(options, function (err, res, body) {
      console.log("got response: " + res.statusCode)
      console.log("got response: " + body)
  })
  .on("error", function (err) {
      console.log(err);
  })
  

  　　

• superagent

  ---

   

   

• // 需要安装 superagent 和 superagent-proxy 模块 - npm install superagent superagent-proxy --save
  const request = require("superagent")
  require("superagent-proxy")(request)
  
  // 要访问的目标页面
  const targetUrl = "http://www.baidu.com"
  
  // 代理服务器,假设提取到的代理ip是123.123.123.123:1234
  const proxyHost = "123.123.123.123";
  const proxyPort = 1234;
  
  // 代理隧道验证信息(猿人云官网获取)
  const proxyUser = "xxx"
  const proxyPass = "xxx"
  
  const proxyUrl = "http://" + proxyUser + ":" + proxyPass + "@" + proxyHost + ":" + proxyPort
  
  request.get(targetUrl).proxy(proxyUrl).end(function onResponse(err, res) {
      if (err) {
          return console.log(err)
      }
      console.log(res.status, res.headers)
      console.log(res.text)
  });

使用 node 运行这个文件，当你的控制台打印出一大段 HTML 代码说明这个爬虫程序成功了

转自：https://mp.weixin.qq.com/s/JA11NzbbHtKqgijmdmJPlw

这篇关于Nodejs实现爬虫的几种方式的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！