Node.js 使用ChereIO刮取数据
我正试图从聊天中删除数据,但我不知道如何在NodeJs中使用Cheerio 我需要获取邮件列表中的所有昵称(msg昵称): 到目前为止,我已经: server.jsNode.js 使用ChereIO刮取数据,node.js,web-scraping,Node.js,Web Scraping,我正试图从聊天中删除数据,但我不知道如何在NodeJs中使用Cheerio 我需要获取邮件列表中的所有昵称(msg昵称): 到目前为止,我已经: server.js var express = require('express'); var fs = require('fs'); var request = require('request'); var cheerio = require('cheerio'); var app = express(); app.get('/scra
var express = require('express');
var fs = require('fs');
var request = require('request');
var cheerio = require('cheerio');
var app = express();
app.get('/scrape', function(req, res){
url = 'https://www.nimo.tv/live/6865137196';
request(url, function(error, response, html){
if(!error){
var $ = cheerio.load(html);
var nickname, msg;
var json = { nickname : "", msg : ""};
const messages = [];
$('.msg-nickname',).each(function(i, elem){
console.log(elem);
messages[i] = elem.parent.children.text();
})
console.log($('#chat-room__list').children('msg-wrap').text)
}
app.listen('8081')
console.log('Magic happens on port 8081');
exports = module.exports = app;
我还需要更新,每次列表中有新项目时,都要检查并更新列表
有什么帮助吗?我有点迷路了,提前谢谢。问题是代码
.msg昵称
的那部分是在客户端生成的。所以,如果您想刮取数据,您需要知道数据来自哪个请求,并执行该请求
cheerio只能解析请求-响应中的内容
另一种选择是使用puppeter
,这将允许您等待页面完全加载,包括服务器端渲染、ajax请求
const puppeteer = require('puppeteer');
(async() => {
const browser = await puppeteer.launch();
const page = await browser.newPage();
await page.goto(url);
// waitForSelector can be added, depending on your needs
// but if there isn't any user, it will wait until it timesout
// which may not be desired
// await page.waitForSelector('.msg-nickname');
const messages = await page.evaluate(() => {
return Array.from(document.querySelectorAll('.msg-nickname'))
.map(item => item.innerText);
});
console.log(messages);
})();
根据昵称的加载方式,您可能需要挂接到
page.on('response')
,或者更改脚本的逻辑,但我将此留给您。使用这一行如何wait page.waitFor('.msg昵称')代码>为了确保页面正确加载?问题是,该选择器并不总是存在,如果没有用户连接,它将等待直到超时,从而使脚本速度慢得多。每个刮板都是唯一的,所以有时候你想使用等待页面。waitForSelector('.msg昵称')
,有时候你不想使用,在这种情况下,不这样做会更好。我在代码中添加了注释,但在这种情况下不需要。你需要每隔一段时间运行它并推送到消息,可能是使用WebSocket而不是像您这样使用http请求。哦,我明白了,谢谢您的回答!为了做到这一点,我将学习更多