前端使用Node爬数据

爬虫类的需求，基本上在各个公司都会有，难免就会落在前端开发的头上。今天我们就来看看 Node 如何爬数据。

其实抓取数据对于前端来说，就是 ajax 请求一个接口，只不过返回值有 text/html（早期 XML 之类的），application/json（目前工作中都是这个类型的）两种。有时候为了一些简单的数据分析，我就直接在控制台请求数据。

request 请求

页面发起的 request 和 node 发起的 request 还是不一样的。我们分别说一下

Node 发起请求

https 库、http 库

const https = require('https');//Node 自带的
https.get('https://www.lilnong.top/cors/node-https', (resp) => {
 let data = '';
 resp.on('data', (chunk) => {
  data += chunk;
 });
 resp.on('end', () => {
  console.log('resp', JSON.parse(data));
 });
}).on("error", (err) => {
 console.log("Error: " + err.message);
});

优点就是原生自带、无依赖。
缺点呢，也很明显了，好多功能都不支持，写法复杂。http 和 https 不共享。
你可以想想成前端的 XMLHTTPRequest 很少有人直接用吧。

request 库

是一个第三方库，需要安装。使用简单，大量的人在使用。

request = require('request');
request('https://www.lilnong.top/cors/node-request', 
    {json: true},
    function(err, res, body){
        if (err) { return console.log(err); }
        console.log(body);
    }
);

优点来讲就是，封装库，使用方便，支持的东西较多。
缺点来说就是库停止了新功能的开发，不是promise的（request-promise）。

axios 库

也是一个第三方的库，需要安装。因为这个库可以跨环境使用（前端和 Node 都可以使用），使用起来也是很顺手的。

axios = require('axios');
axios('https://www.lilnong.top/cors/node-axios').then(function(rsp){
        console.log(rsp.data);
    });

优点来讲就是，跨环境，promise。
缺点来讲就是，node中的formdata，https设置代理的时候（axios-https-proxy-fix）

其他库

其实库还有很多 https://github.com/request/

node-fetch
got
superagent
urllib

页面发起请求

XMLHttpRequest

xhr = new XMLHttpRequest();
xhr.open('get', '//www.lilnong.top/cors/XMLHttpRequest')
xhr.send()
xhr.responseType='json'
xhr.onload = () => console.log(xhr.response)

优点来讲就是原生自带，经过多年更新，基本上功能都有了。
缺点来说就是ie低版本不支持（做ie的不用jquery不是胡扯吗，一般都是$.ajax）

axios

跨平台的库，可以在浏览器环境和 Node 环境使用。

axios('https://www.lilnong.top/cors/axios').then(function(rsp){
        console.log(rsp.data);
    });

优点，跨平台（上面代码拷贝过来就能跑）
缺点，还好吧。我基本上一直在用，没有明显的弱点。

$.ajax

jquery 库中带的方法。也是一款神器，也支持 promise 的方式。

$.ajax({
    url: 'https://www.lilnong.top/cors/$.ajax'
}).then(function(data){
    console.log(data);
});

优点：兼容性贼好，支持各种写法。
缺点：时代变了，jquery 不流行了。
你问这是什么？这是青春

fetch

浏览器的新规范。使用起来也挺方便，abort 的规范也在制定中。当然现在还干不掉 xhr。

fetch('https://www.lilnong.top/cors/fetch')
    .then(v=>v.json())
    .then(console.log)

优点：浏览器新加，天生支持 promise
缺点：兼容性，还有挺多的功能需要增加（中止、进度、cookie（已改默认值））

response 响应

Node 处理响应

html \ xml

我使用的是 cheerio ，算是 Node 中的 jQuery 吧。
看看这 api，熟悉吧基本上手就能用。

$ = cheerio.load('<h1>lilnong.top</h1>');//解析dom，一般我们都是把请求回来的响应放进去。
$('h1').text('欢迎关注公众号:前端linong。');
$('h1').addClass('title');

当然，还有还有其他库 JSDOM、Puppeteer（当做一个浏览器去使用，单击按钮之类的）。

html script 标签中的内容

这部分其实比较坑，比如说你用 jQuery 没获取过script中的变量吧。

其实有个很简单的办法，一般来说你要爬取的数据都不是前端去写的，很多都是模板直接输出的。包括vue的SSR之类的。

特征很明显，一个变量占据一行。

那么我们就可以直接去比对每一行，如果你要找的那个变量开头，那么我们就截取这一行。

例子后补吧。我忘了谁家是这样的了。

json

这就很简单了，基本是个库就支持，不支持的也有 JSON.parse。

不过相比较上两个而言，这个更多的是要分析字段、摸索规则、referer 处理这些东西。

前端处理响应

前端来讲一般是简单的一些数据，而且主要用于分析。
当然也是有优势的，比如自动携带 cookie、自动更新 cookie、甚至你可以把他内部封装的 ajax 拿出来使用。

html \ xml

操作一下DOM对于前端来说不是家常便饭吗？
jQuery 吃遍天呀。你说就偶尔一下，querySelector、getElementById 这些都可以满足你。

html script 标签中的内容

这个就更简单了，直接获取对象呀。。。没的说吧。

json

json 的话，也不难呀是吧。

链接: https://fly63.com/article/detial/8464