最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

node.js抓取并分析網(wǎng)頁內(nèi)容有無特殊內(nèi)容的js文件

 更新時間:2015年11月17日 10:40:01   作者:平凡公子  
nodejs獲取網(wǎng)頁內(nèi)容綁定data事件,獲取到的數(shù)據(jù)會分幾次相應(yīng),如果想全局內(nèi)容匹配,需要等待請求結(jié)束,在end結(jié)束事件里把累積起來的全局?jǐn)?shù)據(jù)進(jìn)行操作,本文給大家介紹node.js抓取并分析網(wǎng)頁內(nèi)容有無特殊內(nèi)容的js文件,需要的朋友參考下

nodejs獲取網(wǎng)頁內(nèi)容綁定data事件,獲取到的數(shù)據(jù)會分幾次相應(yīng),如果想全局內(nèi)容匹配,需要等待請求結(jié)束,在end結(jié)束事件里把累積起來的全局?jǐn)?shù)據(jù)進(jìn)行操作!

舉個例子,比如要在頁面中找有沒有www.baidu.com,不多說了,直接放代碼:

//引入模塊
var http = require("http"),
fs = require('fs'),
url = require('url');
//寫入文件,把結(jié)果寫入不同的文件
var writeRes = function(p, r) {
   fs.appendFile(p , r, function(err) {
    if(err)
       console.log(err);
    else
       console.log(r);
  });
},
//發(fā)請求,并驗證內(nèi)容,把結(jié)果寫入文件
postHttp = function(arr, num) {
   console.log('第'+num+"條!")
   var a = arr[num].split(" - ");
   if(!a[0] || !a[1]) {
     return;
   }
   var address = url.parse(a[1]),
   options = {
     host : address.host,
     path: address.path,
     hostname : address.hostname,
     method: 'GET',
     headers: {
      'User-Agent' : 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/38.0.2125.122 Safari/537.36'
    }
   }
   var req = http.request(options, function(res) {
     if (res.statusCode == 200) {
        res.setEncoding('UTF-8');
        var data = '';
        res.on('data', function (rd) {  
          data += rd;
        });
        res.on('end', function(q) {
          if(!~data.indexOf("www.baidu.com")) {
             return writeRes('./no2.txt', a[0] + '--' + a[1] + '\n');            
          } else {
             return writeRes('./has2.txt', a[0] + '--' + a[1] + "\n");
          }
        })
     } else {
        writeRes('./error2.txt', a[0] + '--' + a[1] + '--' + res.statusCode + '\n');
     }
   });
   req.on('error', function(e) {
     writeRes('./error2.txt', a[0] + '--' + a[1] + '--' + e + '\n');
   })
   req.end();
},
//讀取文件,獲取需要抓取的頁面
openFile = function(path, coding) {
   fs.readFile(path, coding, function(err, data) {
     var res = data.split("\n");  
     for (var i = 0, rl = res.length; i < rl; i++) {
        if(!res[i])
          continue;
        postHttp(res, i);  
     };  
   })
};
openFile('./sites.log', 'utf-8');

上面代碼大家可以看的懂吧,有哪里不清楚的朋友歡迎給我留言,具體的還要靠大家發(fā)揮應(yīng)用到實踐當(dāng)中。

下面給大家介紹Nodejs對于網(wǎng)頁抓取的能力

首先PHP。先說優(yōu)勢:網(wǎng)上抓取和解析html的框架一抓一大把,各種工具直接拿來用就行了,比較省心。缺點:首先速度/效率很成問題,有一次下載電影海報的時候,由于是crontab定期執(zhí)行,也沒做優(yōu)化,開的php進(jìn)程太多,直接把內(nèi)存撐爆了。然后語法方面也很拖沓,各種關(guān)鍵字 符號 太多,不夠簡潔,給人一種沒有認(rèn)真設(shè)計過的感覺,寫起來很麻煩。

Node.js。優(yōu)點是效率、效率還是效率,由于網(wǎng)絡(luò)是異步的,所以基本如同幾百個進(jìn)程并發(fā)一樣強大,內(nèi)存和CPU占用非常小,如果沒有對抓取來的數(shù)據(jù)進(jìn)行復(fù)雜的運算加工,那么系統(tǒng)的瓶頸基本就在帶寬和寫入MySQL等數(shù)據(jù)庫的I/O速度。當(dāng)然,優(yōu)點的反面也是缺點,異步網(wǎng)絡(luò)代表你需要callback,這時候如果業(yè)務(wù)需求是線性了,比如必須等待上一個頁面抓取完成后,拿到數(shù)據(jù),才能進(jìn)行下一個頁面的抓取,甚至多層的依賴關(guān)系,那就會出現(xiàn)可怕的多層callback!基本這時候,代碼結(jié)構(gòu)和邏輯就會一團(tuán)亂麻。當(dāng)然可以用Step等流程控制工具解決這些問題。

最后說Python。如果你對效率沒有極端的要求,那么推薦用Python!首先,Python的語法很簡潔,同樣的語句,可以少敲很多次鍵盤。然后,Python非常適合做數(shù)據(jù)的處理,比如函數(shù)參數(shù)的打包解包,列表解析,矩陣處理,非常方便。

相關(guān)文章

最新評論

顺义区| 梁河县| 阿拉善盟| 罗田县| 江都市| 武陟县| 达孜县| 石首市| 玉林市| 安龙县| 灵山县| 深泽县| 灵台县| 吉木萨尔县| 东辽县| 宽甸| 洛隆县| 百色市| 霍林郭勒市| 乌什县| 壤塘县| 滕州市| 吕梁市| 施甸县| 河曲县| 张家界市| 进贤县| 南木林县| 临邑县| 尼玛县| 辉南县| 讷河市| 济南市| 九寨沟县| 汤原县| 淮阳县| 宾川县| 阳信县| 凤城市| 聊城市| 正蓝旗|