选项文章从许多不同的网站抓取
Options for article scraping from many different websites
我需要添加网页抓取功能到单页应用程序。
我需要从许多不同的博客和服务检索有用的内容。我所说的有用内容是指文章、文本和视频链接,以便将它们嵌入我的页面。
这个工具似乎提供了我需要的:http://www.diffbot.com/
使用它,我可以简单地输入一篇文章的URL,这个服务将检索所有的数据,我需要从单一的页面。
但是,我不需要每月处理25万个请求,这将花费每月300美元;我需要一个解决方案来处理每月约5000个请求,并有可能扩展以后。
我通过谷歌找到了很多抓取解决方案,但他们大多提供的解决方案是从少数网站定期抓取自定义内容-这不是我需要的。另外,我在这方面没有经验,所以我希望你能告诉我应该用什么来达到这个目的。我主要处理JavaScript。
另外,是否有可能允许页面被客户端的浏览器抓取,而不是服务器端?
我用ReactJS和Flux架构开发SPA。服务器NodeJS+Express,数据库- Backendless
这听起来像一个自定义的解决方案,也许建立在node.js将是你最好的选择(考虑到js的要求)。您可以使用几个节点模块来完成此任务。我的建议如下:
request -用于从目标网页
获取htmlcheerio -用于过滤从请求
收集的htmlnode-horseman -用于在目标网页上执行javascript(用于更高级的抓取)
artoo -客户端抓取库(我从未使用过这个,但它可能是你正在寻找的)
关于SPA的开发,我推荐sailsjs。
下面是一个使用上述模块抓取https://rotogrinders.com/pages/mlb-pitcher-hub-sp-salary-charts-260515的示例节点应用程序
请求,恭喜恭喜:
var cheerio = require('cheerio'),
request = require('request');
//Define your target URL and HTTP method here
var options = {
url: 'https://rotogrinders.com/pages/mlb-pitcher-hub-sp-salary-charts-260515',
method: 'GET'
}
// Use request to grab the HTML defined in options and return the contents in "body"
request(options, function (err, res, body) {
if (!err && res.statusCode == 200) {
// Load the "body" with cheerio
var $ = cheerio.load(body);
// grab each occurrence of the matched html (Use Chrome developer tools to determine CSS) using Cheerio
$('tbody').children().each(function(i, element){
var $element = $(element);
var name = $element.children().eq(0).text().trim();
var salary = $element.children().eq(3).text().trim();
// Put the filtered data in an object
var post = {
name: name,
salary: salary
}
// Print the object to the console
console.log(post);
});
}
});
- 如何从网站上抓取链接和图片
- Html抓取网站加载错误的J汤Java
- 如何获取网站所有页面的链接以进行数据抓取
- 我如何从一个无限滚动的网站抓取图像,其中api是隐藏的,我无法通过使用Inspect Element获得它->网络
- PHP:如何基于Javascript抓取网站内容
- 以类似于谷歌机器人的方式抓取网站html和javascript
- 如何抓取使用直接Web远程处理(DWR)返回操纵页面的Javascript的网站's的HTML
- 用Ruby抓取一个Javascript很重的网站
- Jsdom如何从网站抓取信息
- 从Playstation官方网站抓取奖杯数据
- CSS选择器代码,用于从棘手的网站抓取/解析数据
- 从ASP网站抓取JavaScript下载链接
- 如何使用jQuery从其他网站抓取内容
- R: 网站抓取器的想法
- 需要一个Javascript函数自动从网站抓取数据
- 使用jquery load和php从外部网站抓取信息
- 如何从外部网站抓取和显示图片
- 选项文章从许多不同的网站抓取
- 使用WebKit和Selenium工具进行Javascript网站抓取
- 从一个网站抓取纯文本并显示在另一个网站上