用 nodejs 撸了个爬虫，使用 leveldb 做队列，非常简单可用
wl879 · wl879 · 2017-03-25 20:32:24 +08:00 · 5823 次点击这是一个创建于 2802 天前的主题，其中的信息可能已经有所发展或是发生改变。
搜来搜去用 nodejs 做爬虫的介绍，都是些很基础的，如果只为学习是够用了，但如果想用它来做点什么，还都得是从头写起。其实，解析这部分重头写没什么好说的，不同网站不同规则吗，但做为爬虫最基本的队列呀，去重呀等很共性的功能部分，没找到有什么 nodejs 的框架能拿来就用。 所以，所以（想介绍下自己的东西，还非得说一些是非铺垫，嗯，鄙视自己），说一个我写的很简单的框架吧。
Crawl-pet 养一只爬虫宠物吧，已上传 npm ，安装如下
npm install crawl-pet -g
已开源到 Github ： https://github.com/wl879/Crawl-pet
还有一篇使用的介绍： http://www.jianshu.com/p/1b9be0df5236
就请大家给看一看吧，怎么得，这回浏览量也的过 100 啊！
 |
1
a87150 2017-03-25 21:27:27 +08:00 via Android
过 100 了
|
 |
2
wl879 OP 呵呵，有很多是自己刷新出来的，简书里的浏览量才 50
|
 |
3
FEDT 2017-03-26 00:59:58 +08:00 via Android
看看
|
 |
4
phrack 2017-03-26 11:00:08 +08:00 via Android
对 nodejs 不了解，不过既然能跑 js ，我一直好奇一个问题。
我目前都是用 python 的爬虫，但是有一个问题， ajax 的页面，动态更新的内容只能自己去模拟请求，其实这样是非常恼人的，或者用 phantomjs ，但是也并不是那么舒服。 nodejs 能做到自动抓取 ajax 不？一是 ajax 刷新的页面内容，二是 ajax 的网络请求。 |
 |
5
guokeke 2017-03-26 16:33:26 +08:00 via Android
@phrack 不能，无论是 Python 还是其他语言写的爬虫。 Ajax 写在页面指定的脚本里，想要运行脚本就需要一个 browser 环境。
|
 |
6
123s 2017-03-27 09:16:55 +08:00
妈蛋，有空要看看你的代码，怎么写
|
Select Language