【JS】nodejs爬取简单网站小说生成txt

• Z时代
• 2024-01-10
• 分类：技术分享

    var rp = require('request-promise');
var cheerio = require('cheerio');
var fs = require('fs')
var start = 786776
var end = 786844
var arr = new Array(end-start+1).fill(null).map(function(item,index){
return rp('小说网址'+(start+index)+'.html')
})
Promise.all(arr).then(function(res,err){
if(err){
console.log('err')
}
var str=''
res.map(function(item,index){
var $ = cheerio.load(item.toString());
var table=$('body').find('#content').eq(0).text();
str+=table
})
fs.writeFile('恶徒.txt',str,'utf8',function(error){
if(error){
console.log(error);
return false;
}
console.log('写入成功');
})
})

找了一个没有反爬虫机制的普通网站，应该是ssr的，直接请求返回的html中就有全部的dom内容，没有异步请求，所以抓内容很容易。

一开始使用js脚本，发现请求跨域，所以改为node发送，步骤和代码很简单。

1.异步请求

使用了request-promise包+promise

2.处理内容

使用了cheerio，返回的内容直接是完整的html，cheerio可以把字符串的html转为dom结构，用法和jq差不多，很方便，而且我扒的网站页面结构也很简单，所有的小说文本都在id为content的div里

3.生成txt

直接fs写入文件即可

全部代码

    var rp = require('request-promise');
var cheerio = require('cheerio');
var fs = require('fs')
var start = 786776
var end = 786844
var arr = new Array(end-start+1).fill(null).map(function(item,index){
return rp('小说网址'+(start+index)+'.html')
})
Promise.all(arr).then(function(res,err){
if(err){
console.log('err')
}
var str=''
res.map(function(item,index){
var $ = cheerio.load(item.toString());
var table=$('body').find('#content').eq(0).text();
str+=table
})
fs.writeFile('恶徒.txt',str,'utf8',function(error){
if(error){
console.log(error);
return false;
}
console.log('写入成功');
})
})

最终成果：

初次尝试，之后再试试爬异步请求的网站，如有问题请指出，感谢。

以上是 【JS】nodejs爬取简单网站小说生成txt 的全部内容， 来源链接： utcz.com/a/107435.html