const axios = require("axios");
const cheerio = require("cheerio");
const fs = require("fs");
// 下载每一章节
async function handleText(url, isFirst) {
const resp = await axios(url);
const $ = cheerio.load(resp.data);
const bookName = $("#r-titlePage > div > h1").text();
// 章节名称
const chapterName = $(
"#reader-content > div.min-h-100vh.relative.z-1.bg-inherit > div > div.relative > div > h1"
).text();
let content = [];
let nextChapterLink = "";
if (isFirst) {
content.push(bookName);
// nextChapterLink = $(
// "#reader-content > div.min-h-100vh.relative.z-1.bg-inherit > div > div.mx-64px.pb-64px.mt-auto > div > a:nth-child()"
// ).attr("href");
} else {
// nextChapterLink = $(
// "#reader-content > div.min-h-100vh.relative.z-1.bg-inherit > div > div.mx-64px.pb-64px.mt-auto > div > a:nth-child(3)"
// ).attr("href");
}
nextChapterLink = $(
"#reader-content > div.min-h-100vh.relative.z-1.bg-inherit > div > div.mx-64px.pb-64px.mt-auto > div > a:nth-child(3)"
).attr("href");
content.push(chapterName);
// if (!nextChapterLink) {
// nextChapterLink = $(
// "#reader-content > div.min-h-100vh.relative.z-1.bg-inherit > div > div.mx-64px.pb-64px.mt-auto > div > a:nth-child(3)"
// ).attr("href");
// console.log("nextChapterLink11111", nextChapterLink);
// }
$("main")
.find("p")
.each((idx, ele) => {
content.push($(ele).text());
});
content.push("\f");
// $("p").each((idx, ele) => {
// content.push($(ele).text());
// });
content = content.join("\n");
return { title: bookName, chapterName, content, nextChapterLink };
}
async function createFile(bookName) {
let filename = `${bookName}.txt`;
return new Promise((resolve) => {
fs.open(filename, "w", function (err, file) {
if (err) throw err;
// console.log("File is created successfully.");
resolve("success");
});
});
}
async function writeFile(bookName, content) {
let filename = `${bookName}.txt`;
return new Promise((resolve) => {
fs.appendFile(filename, content, function (err) {
if (err) throw err;
// console.log("Content has been added!");
resolve("success");
});
});
}
// handleText(url);
async function downloadBook(url) {
let nextUrl = url;
let isFirst = true;
let bookName = "";
console.log("下载开始...");
while (nextUrl) {
const { title, chapterName, content, nextChapterLink } = await handleText(
nextUrl,
isFirst
);
// console.log(title, content);
console.log(chapterName);
nextUrl = nextChapterLink;
if (isFirst) {
bookName = title;
await createFile(bookName);
}
await writeFile(bookName, content);
isFirst = false;
}
console.log("下载完成");
// console.log(title, chapterName, content, nextChapterLink);
// 下一章
}
// const url = `https://www.qidian.com/chapter/1025990049/651697912/`;
// const url = `https://www.qidian.com/chapter/2952453/47370768/`;
downloadBook(url);
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
爬虫(Web Crawler)是一种自动化程序,用于从互联网上收集信息。其主要功能是访问网页、提取数据并存储,以便后续分析或展示。爬虫通常由搜索引擎、数据挖掘工具、监测系统等应用于网络数据抓取的场景。 爬虫的工作流程包括以下几个关键步骤: URL收集: 爬虫从一个或多个初始URL开始,递归或迭代地发现新的URL,构建一个URL队列。这些URL可以通过链接分析、站点地图、搜索引擎等方式获取。 请求网页: 爬虫使用HTTP或其他协议向目标URL发起请求,获取网页的HTML内容。这通常通过HTTP请求库实现,如Python中的Requests库。 解析内容: 爬虫对获取的HTML进行解析,提取有用的信息。常用的解析工具有正则表达式、XPath、Beautiful Soup等。这些工具帮助爬虫定位和提取目标数据,如文本、图片、链接等。 数据存储: 爬虫将提取的数据存储到数据库、文件或其他存储介质中,以备后续分析或展示。常用的存储形式包括关系型数据库、NoSQL数据库、JSON文件等。 遵守规则: 为避免对网站造成过大负担或触发反爬虫机制,爬虫需要遵守网站的robots.txt协议,限制访问频率和深度,并模拟人类访问行为,如设置User-Agent。 反爬虫应对: 由于爬虫的存在,一些网站采取了反爬虫措施,如验证码、IP封锁等。爬虫工程师需要设计相应的策略来应对这些挑战。 爬虫在各个领域都有广泛的应用,包括搜索引擎索引、数据挖掘、价格监测、新闻聚合等。然而,使用爬虫需要遵守法律和伦理规范,尊重网站的使用政策,并确保对被访问网站的服务器负责。
资源推荐
资源详情
资源评论
收起资源包目录
小说爬虫.zip (5个子文件)
SJT-code
yarn.lock 7KB
package.json 163B
index2.js 3KB
index.js 2KB
.gitignore 2KB
共 5 条
- 1
资源评论
JJJ69
- 粉丝: 6352
- 资源: 5918
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功