node.js 基于cheerio的爬虫工具，需要登录权限的爬虫工具

程序员文章站 2022-03-20 19:53:10

公司有过一个需求,需要拿一个网页的的表格数据，数据量达到30w左右；为了提高工作效率。结合自身经验和网上资料。写了一套符合自己需求的nodejs爬虫工具。也许也会适合你的。先上代码。在做讲解代码使用方式一、npm install 相关的依赖二、代码修改 1、修改为自己的baseUrl 2、 ......

公司有过一个需求,需要拿一个网页的的表格数据，数据量达到30w左右；为了提高工作效率。

结合自身经验和网上资料。写了一套符合自己需求的nodejs爬虫工具。也许也会适合你的。

先上代码。在做讲解

'use strict';
// 引入模块
const superagent = require('superagent');
const cheerio = require('cheerio');
const excel = require('exceljs');


var baseurl = '';
var cookies = 'phpsessid=1c948cafb361cb5dce87122846e649cd'; //伪装的cookie
let pagedatas = [];
let count = 1;
let limit = 3;

for (count; count < limit; count++) { 
    baseurl = `http://bxjd.henoo.com/policy/policylist?page=${count}`;
    loadpage(baseurl); 
}

function loadpage(baseurl) { 
     getpageload(baseurl);
} 
async function getpageload(baseurl) {
    try {
        let body = await superagent.get(baseurl)
            .set("cookie", cookies)
        var $ = cheerio.load(body.text);
        var trlist = $("#tablelist").children("tr");   
            for (var i = 0; i < trlist.length; i++) { 
                let item = {};
                var tdarr = trlist.eq(i).find("td");
                var id = tdarr.eq(0).text();
                item.sortid = id;
                var detailurl = `http://bxjd.henoo.com/policy/view?id=${id}`;
                item.policyid = tdarr.eq(1).text();
                item.policyproductname = tdarr.eq(2).text();
                item.policyname = tdarr.eq(3).text();
                item.policymoney = tdarr.eq(4).text();
                let detailbody = await superagent.get(detailurl)
                    .set("cookie", cookies);
                var $$ = cheerio.load(detailbody.text);
                var detailt = $$(".table-view");          
                
                //投保人证件号
                item.policyidnum = detailt.find("tr").eq(11).find("td").eq(1).text();
                //投保人手机号
                item.policyphone = detailt.find("tr").eq(10).find("td").eq(1).text();
                //被保人手机号
                item.bepoliciedphone = detailt.find("tr").eq(16).find("td").eq(1).text();           
                //被保人姓名
                item.bepoliciedname = detailt.find("tr").eq(13).find("td").eq(1).text();
                console.log(item.bepoliciedname)
                //被保人证件号
                item.bepoliciedidnum = detailt.find("tr").eq(17).find("td").eq(1).text();
                pagedatas = [...pagedatas,item];
            }
        if (pagedatas.length / 15 == (count - 1)) { 
            writexls(pagedatas)
        }
    } catch (error) {
        
    }
    
}

function writexls(pagedatas) {
    const workbook = new excel.workbook();
    const sheet = workbook.addworksheet('my sheet');

    const recolumns=[
        {header:'序号',key:'sortid'},
        {header:'投保单号',key:'policyid'},
        {header: '产品名称', key: 'policyproductname'},
        {header: '投保人姓名', key: 'policyname' },
        {header: '投保人手机号', key: 'policyphone' },
        {header: '投保人证件号', key: 'policyidnum'},
        {header: '被保人姓名', key: 'bepoliciedname' },
        {header: '被保人手机号', key: 'bepoliciedphone' },
        {header: '被保人证件号', key: 'bepoliciedidnum' },
        {header:'保费',key:'policymoney'},
    ];
    sheet.columns = recolumns;
    for(let trdata of pagedatas){
        sheet.addrow(trdata);
    }
    const filename = './projects.xlsx';
    workbook.xlsx.writefile(filename)
    .then(function() {
      console.log('ok');
    }).catch(function (error) { 
          console.error(error); 
    });
  }

代码使用方式