Javascript 是否有java脚本web爬虫框架

是否有JavaScript web爬虫框架？

请尝试。不完全是一个爬虫，但可以很容易地用于此目的。它内置了功能齐全的WebKit引擎，能够保存屏幕截图等。作为简单的命令行JS解释器工作。

服务器端

---

尝试节点爬虫：

有一个新的框架刚刚发布，名为node.js。它在后台使用jQuery对网站的HTML页面进行爬网/索引。API和配置非常好，特别是如果您已经了解jQuery的话

从测试套件中，以下是一个在《纽约时报》网站上爬行的示例：

var spider = require('../main');

spider()
  .route('www.nytimes.com', '/pages/dining/index.html', function (window, $) {
    $('a').spider();
  })
  .route('travel.nytimes.com', '*', function (window, $) {
    $('a').spider();
    if (this.fromCache) return;

    var article = { title: $('nyt_headline').text(), articleBody: '', photos: [] }
    article.body = '' 
    $('div.articleBody').each(function () {
      article.body += this.outerHTML;
    })
    $('div#abColumn img').each(function () {
      var p = $(this).attr('src');
      if (p.indexOf('ADS') === -1) {
        article.photos.push(p);
      }
    })
    console.log(article);
  })
  .route('dinersjournal.blogs.nytimes.com', '*', function (window, $) {
    var article = {title: $('h1.entry-title').text()}
    console.log($('div.entry-content').html())
  })
  .get('http://www.nytimes.com/pages/dining/index.html')
  .log('info')
  ;

---

你能说得更具体些吗？你在寻找一个用JavaScript实现的网络爬虫吗？服务器端（Node.js）或客户端（在浏览器中）？是否有客户端webcrawler框架？我使用服务器端javascript编写了三个API。您可以从命令行运行

nodejs

，这与

python

一样简单。这是一个完全正确的问题。花一个上午让spider正常工作，它无法在最新的0.6.6 node.js中运行。这是一个好的开始，但它似乎无法处理元重定向或文档库覆盖，因此它将无法抓取许多站点。但这是我见过的node最好的实现。在支持Cookie的情况下，它比其他开源爬虫要好。我不认为这是一个爬行器，因为它不编译后续URI来进行爬行。它基本上会下载给定URL的源代码，并在完成时触发回调。这取决于消费者定义抓取该页面中提供的链接的逻辑，这并不是很简单。