爬虫
1.爬虫介绍
通过模拟浏览器的请求，服务器就会根据我们的请求返回我们想要的数据，将数据解析出来，并且进行保存。
2.爬虫流程
1-目标：确定你想要获取的数据
- 确定想要的数据在什么页面上（一般详细的数据会在详情页）
- 确定在哪些页面可以链接到这些页面（一般分类列表页面会有详情页的链接数据）
- 寻找页面之间和数据之间的规律
2-分析页面
- 获取数据的方式（正则，cherrio）
- 分析数据是通过ajax请求的数据，还是html里自带的数据
- 如果是通过AJAX请求的数据，那么需要获取ajax请求的链接，一般请求到的数据都为JSON格式数据，那么就会比较容易解析。
- 如何数据在HTML里面，那么就用cherrio通过选择器将内容选中
3-编写单个数据获取的案例
- 解析出分类页的链接地址
- 解析出列表页的链接地址
- 解析出详情页的链接地址
- 解析详情页里面想要获取的数据
- 将数据进行保存到本地或者是数据库
4-如果遇到阻碍进行反爬虫对抗
- User-Agent是否是正常浏览器的信息
- 将请求头设置成跟浏览器一样的内容
- 因为爬虫的爬取速度过快，会导致封号。1那么可以降低速度进行解决，2可以使用代理进行解决
- 如果设置需要凭证，那么可以采用无界浏览器真实模拟。
2.请求数据的库
request，axios：通过库，帮助我们快速实现HTTP请求包的打包
request.get('请求地址', {
'请求头字段': '请求头的value值'
},(res)=>{处理返回的内容});
axios优势会更明显，前后端通杀，前后端调用的方式一致。
axios.get('请求地址',参数对象).then(function (response) {
console.log(response);
})
axios获取图片
axios({
method:'get',
url:'http://bit.ly/2mTM3nY',
responseType:'stream'
})
.then(function(response) {
response.data.pipe(fs.createWriteStream('ada_lovelace.jpg'))
});
puppeteer:完全模拟浏览器
打开浏览器
let options = {
headless:true,//是否是无界面浏览器
slowMo:250,//调试时可以减慢操作速度
defaultViewport:{
width:1200,//设置视窗的宽高
height:800
},
timeout:3000，//默认超时3秒
}
let browser =await puppeteer.launch(options);
打开新标签页
let page = await browser.newPage()
获取所有浏览器中的页面
let pages = await browser.pages()
关闭浏览器
browser.close()
将页面跳转至
await page.goto(url)
获取页面的对象,并进行操作
let btn = await page.$(selector)
let input = await page.$(selector)
//点击按钮
btn.click()
//聚焦到输入框
input.forcus()
在页面上写入内容或者键盘按键
await page.keyboard.type('Hello World!');
await page.keyboard.press('ArrowLeft');
await page.keyboard.down('Shift');
设置鼠标的移动
await page.mouse.move(0, 0);
await page.mouse.down();
await page.mouse.move(0, 100);
await page.mouse.move(100, 100);
await page.mouse.move(100, 0);
await page.mouse.move(0, 0);
await page.mouse.up();
截获页面请求
await page.setRequestInterception(true);
page.on('request', request => {
request.url()//可以获取请求的网址，request，包含了所有的请求信息
if(你想要的条件){
request.continue()
}else{
request.abort([errorCode])
}
});
获取浏览器的信息和内容
page.$eval(selector,(item)=>{return item})
page.$$eval(selectors,(items)=>{return items})
