安装 Node.js

首先,我们需要安装 Node.js 和相关的库,如 request 和 cheerio。

bash 复制代码
npm install request cheerio

然后,我们可以使用以下代码来爬取网页内容:

javascript 复制代码
const request = require('request');
const cheerio = require('cheerio');


request({
    url: 'jshk.com.cn',
    headers: {
        'proxy': 'http://' + proxyHost + ':' + proxyPort
    }
}, (error, response, body) => {
    if (!error && response.statusCode == 200) {
        const $ = cheerio.load(body);
        console.log($('h1').text());
    }
});

每行代码的解释如下:

  1. 导入了 request 和 cheerio 库。
  2. 设置了代理信息。
  3. 发送了一个 GET 请求到指定的 URL。
  4. 如果请求成功并且状态码为 200,就加载返回的 HTML 内容。
  5. 使用 cheerio 库来解析 HTML,并打印出所有 h1 标签的文本内容。

这只是一个简单的示例,实际的爬虫程序可能需要处理更复杂的情况,比如处理重定向、处理登录认证、处理分页等等。

相关推荐
ningmengjing_1 小时前
webpack打包方式
前端·爬虫·webpack·node.js·逆向
小白学大数据4 小时前
构建企业级Selenium爬虫:基于隧道代理的IP管理架构
爬虫·tcp/ip·selenium
华科云商xiao徐6 小时前
详解Selenium爬虫部署七大常见错误及修复方案
爬虫·selenium
华科云商xiao徐7 小时前
Linux环境下爬虫程序的部署难题与系统性解决方案
爬虫·数据挖掘·数据分析
qq_312920119 小时前
Nginx限流与防爬虫与安全配置方案
运维·爬虫·nginx·安全
华科云商xiao徐9 小时前
Java并发编程常见“坑”与填坑指南
javascript·数据库·爬虫
夜无霄10 小时前
安卓逆向(一)Ubuntu环境配置
linux·运维·爬虫·ubuntu
zhousenshan21 小时前
Python爬虫常用框架
开发语言·爬虫·python
deepwater_zone1 天前
网络爬虫(web crawler)
爬虫
华科云商xiao徐1 天前
告别IP被封!分布式爬虫的“隐身”与“分身”术
爬虫·数据挖掘·数据分析