浅谈Node.js爬虫之网页请求模块
本文介绍了Node.js爬虫之网页请求模块，分享给大家，具体如下：
注：如您下载最新的nodegrass版本，由于部分方法已经更新，本文的例子已经不再适应，详细请查看开源地址中的例子。
一、为什么我要写这样一个模块？
源于笔者想使用Node.js写一个爬虫，虽然Node.js官方API提供的请求远程资源的方法已经非常简便，具体参考
http://nodejs.org/api/http.html 其中对于Http的请求提供了，http.get(options, callback)和http.request(options, callback)两个方法，
看方法便知，get方法用于get方式的请求，而request方法提供更多的参数，例如其它请求方式，请求主机的端口等等。对于Https的请求于Http类似。一个最简单的例子：
var https = require('https');
https.get('https://encrypted.google.com/', function(res) {
console.log("statusCode: ", res.statusCode);
console.log("headers: ", res.headers);
res.on('data', function(d) {
process.stdout.write(d);
});
}).on('error', function(e) {
console.error(e);
});
对于以上代码，我们无非就是想请求远程主机，得到响应信息，例如响应状态，响应头，响应主体内容。其中get方法的第二个参数是一个回调函数，我们异步的获取响应信息，然后，在该回调函数中，res对象又监听data，on方法中第二个参数又是一个回调，而你得到d（你请求到的响应信息）后，很可能在对它进行操作的时候再次引入回调，一层层下去，最后就晕了。。。对于异步方式的编程，对于一些习惯同步方式写代码的同学是非常纠结的，当然国内外已经对此提供了一些非常优秀的同步类库，例如老赵的Wind.js......好像有点扯远了。其实，我们调用get最终要得到的无非就是响应信息，而不关心res.on这样的监听过程，因为太懒惰。不想每次都res.on('data',func)，于是诞生了今天我要介绍的nodegrass。
二、nodegrass请求资源，像Jquery的$.get(url,func)
一个最简单的例子：
var nodegrass = require('nodegrass');
nodegrass.get("http://www.baidu.com",function(data,status,headers){
console.log(status);
console.log(headers);
console.log(data);
},'gbk').on('error', function(e) {
console.log("Got error: " + e.message);
});
咋一看，和官方原来的get没啥区别，确实差不多=。=！只不过少了一层res.on('data',func)的事件监听回调而已。不管你信不信，反正我看上去感觉舒服多了，第二个参数同样是一个回调函数，其中的参数data是响应主体内容，status是响应状态，headers是响应头。得到响应内容，我们就可以对得到的资源提取任何我们感兴趣的信息啦。当然这个例子中，只是简单的打印的控制台而已。第三个参数是字符编码，目前Node.js不支持gbk，这里nodegrass内部引用了iconv-lite进行了处理，所以，如果你请求的网页编码是gbk的，例如百度。只需加上这个参数就行了。
那么对于https的请求呢？如果是官方api，你得引入https模块，但是请求的get方法等和http类似，于是nodegrass顺便把他们整合在一块了。看例子：
var nodegrass = require('nodegrass');
nodegrass.get("https://github.com",function(data,status,headers){
console.log(status);
console.log(headers);
console.log(data);
},'utf8').on('error', function(e) {
console.log("Got error: " + e.message);
});
nodegrass会根据url自动识别是http还是https，当然你的url必须得有，不能只写www.baidu.com/而需要http://www.baidu.com/。
对于post的请求，nodegrass提供了post方法，看例子：
var ng=require('nodegrass');
ng.post("https://api.weibo.com/oauth2/access_token",function(data,status,headers){
var accessToken = JSON.parse(data);
var err = null;
if(accessToken.error){
err = accessToken;
}
callback(err,accessToken);
},headers,options,'utf8');
以上是新浪微博Auth2.0请求accessToken的一部分，其中使用nodegrass的post请求access_token的api。
post方法相比get方法多提供了headers请求头参数，options--post的数据，它们都是对象字面量的类型：
var headers = {
'Content-Type': 'application/x-www-form-urlencoded',
'Content-Length':data.length
};
var options = {
client_id : 'id',
client_secret : 'cs',
grant_type : 'authorization_code',
redirect_uri : 'your callback url',
code: acode
};
三、利用nodegrass做代理服务器？……**
看例子：
var ng = require('nodegrass'),
http=require('http'),
url=require('url');
http.createServer(function(req,res){
var pathname = url.parse(req.url).pathname;
if(pathname === '/'){
ng.get('http://www.cnblogs.com/',function(data){
res.writeHeader(200,{'Content-Type':'text/html;charset=utf-8'});
res.write(data+"\n");
res.end();
},'utf8');
}
}).listen(8088);
console.log('server listening 8088...');
就这么简单，当然代理服务器还有复杂的多，这个不算是，但至少你访问本地8088端口，看到的是不是博客园的页面呢？
nodegrass的开源地址：https://github.com/scottkiss/nodegrass
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。
相关文章
这篇文章主要介绍了Nodejs中读取中文文件编码问题、发送邮件和定时任务实例,本文使用了3个模块来解决这3个需求,并给出了代码操作实例,需要的朋友可以参考下2015-01-01
这篇文章主要介绍了nvm的下载，安装与使用方法,详细介绍了nvm的功能、下载与安装方法,常见命令以及相关问题解决方法,需要的朋友可以参考下2023-04-04
node.js中路由，中间件，get请求和post请求的参数详解
本文给大家汇总介绍了node.js中的路由，中间件，get请求和post请求的参数的使用方法，非常的详细，有需要的小伙伴可以参考下2017-12-12
详解nodejs express下使用redis管理session
本篇文章主要介绍了详解nodejs express下使用redis管理session ，具有一定的参考价值，感兴趣的小伙伴们可以参考一下。2017-04-04
本篇文章主要介绍了nodejs模板引擎制作 ，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2017-06-06
npm install --save 、--save-dev 、-D、-S&nb
这篇文章主要介绍了npm install --save 、--save-dev 、-D、-S 的区别与NODE_ENV的配置方法,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2022-08-08
今天小编就为大家分享一篇解决淘宝cnpm 安装后cnpm不是内部或外部命令的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-05-05
这篇文章主要介绍了深入探究node之Transform，本文深入内部阐述Transform的运行机理及使用技巧，有兴趣的可以了解一下2017-07-07
随着 Node 的发展，JavaScript 的应用场景早已不再局限在浏览器中。但随着 Node 在服务端的广泛应用，JavaScript 的内存管理需要引起我们的重视。下面我们来一起学习一下吧2019-06-06
Web服务器一般指网站服务器,是指驻留于因特网上某种类型计算机的程序,下面这篇文章主要给大家介绍了关于用node.js搭建一个Web服务的相关资料,文中通过代码介绍的非常详细,需要的朋友可以参考下2024-04-04
最新评论