面向小白编程：初识 Node.js 之爬取豆瓣 Top250 电影信息

什么是Node？

官方描述：Node.js® is an open-source, cross-platform JavaScript runtime environment.

翻译过来就是：Node.js 是一个开源的、跨平台的 JavaScript 运行环境。

当我们谈论 Node.js 时，可以把它想象成一种能让你用 JavaScript 运行在服务器上的技术。这可能会让你感到奇怪，因为通常我们认为 JavaScript 是在网页上执行的脚本语言。

简而言之，Node.js 是一个让 JavaScript 能够在服务器端运行的平台。这给开发者提供了一个强大而灵活的工具，可以用同一种语言编写前端和后端的代码。

Node 优点总结如下：

1. JavaScript 在服务器上运行： 以前，JavaScript 主要用于网页上的交互。但是，Node.js 让JavaScript可以在服务器上运行，执行像处理文件、连接数据库、发送电子邮件等服务器端任务。
2. 事件驱动和非阻塞 I/O： Node.js 使用事件驱动和非阻塞I/O的方式来处理请求。这意味着它可以同时处理多个请求，而不必等待一个请求完成后再处理下一个。这使得 Node.js 非常高效。
3. 构建可伸缩的网络应用： 由于其异步非阻塞的特性，Node.js 非常适合构建实时的、可伸缩的网络应用，比如聊天应用、在线游戏等。
4. 包管理工具 npm： Node.js 附带了一个名为 npm 的包管理工具，它使得在项目中使用和分享代码变得非常容易。开发者可以轻松地安装、更新和分享代码包。
5. 社区支持： Node.js 有一个庞大的开发者社区，这意味着你可以轻松地找到大量的开源代码、工具和资源，从而更快地构建你的应用。

总的来说，Node.js 是一个强大的工具，它使得用 JavaScript 构建全栈应用变得更加容易和高效。

Node.js 官方网站（中文版）：www.nodejs.com.cn/

npm 包管理工具

npm 是 Node.js 自带的包管理工具，由于 Node 的内置模块仅提供了一些底层的 API，导致在基于内置模块进行项目开发时，效率太低，所以第三方模块（包）基于内置模块，封装出了更高级更方便的 API，极大提高了开发效率，npm 是世界上最大的开源库生态系统之一，拥有数以百万计的包，供我们程序员使用。

我们可以在浏览器打开 npm 官方网站 www.npmjs.com/

在搜索框中我们可以根据自己的需求，查找自己需要的包。

我们拿 glob 包做个演示：

这个页面会介绍这个包的功能以及代码实现样例。如果我们想使用这个包，应该先下载到自己的文件夹下，我们找到右边的 Install 窗口，复制这行代码，来到终端粘贴运行 npm i glob ，然后就能在文件夹下看到新增了两个 json 文件和一个 node_modules 文件夹，这里面存放了我们的包信息，然后就能在我们的入口文件（index.js）中导入包了。

如果下载包速度过慢，可能会导致超时下载失败，可以选择换源操作。下面我来介绍一种换源操作：

1. 查看源

首先我们先看看源指向哪里：

npm config get registry

不出所料应该是默认是指向 https://registry.npmjs.org/ 即官方源。

2. 更换源

我们可以选择任意国内源即可（其中部分源可能已经失效）。

淘宝 NPM 镜像：registry.npm.taobao.org 阿里云 NPM 镜像：npm.aliyun.com 腾讯云 NPM 镜像：mirrors.cloud.tencent.com/npm/ 华为云 NPM 镜像：mirrors.huaweicloud.com/repository/… 网易 NPM 镜像：mirrors.163.com/npm/ 中科院大学开源镜像站：mirrors.ustc.edu.cn/ 清华大学开源镜像站：mirrors.tuna.tsinghua.edu.cn/

换完源我们再进行 npm i glob 下包操作，应该就能够解决这个问题了。

Node 爬虫

步入正题。

今天我们爬取的是豆瓣的 Top250 电影信息，首先我们来到豆瓣电影Top250网页。

1.选择需要爬取的页面元素

我们可以根据自己的需求，在检查页面查找自己想要爬取的内容，这里我们用爬取电影名、评分和图片举例

2.导入模块

我们在一个空文件夹下创建一个 index.js 文件，这里我们需要导入三个模块：https、fs 和 cheerio，其中https、fs是 Node 内置模块，cheerio是第三方模块，需要手动从 npm 中导入。

https模块的主要作用是用于处理 HTTPS 请求，下图是 node 官方文档，详细介绍了用法及实现。（https 安全超文本传输协议 | Node.js API 文档）

fs内置模块，用于读写文件，下图是 node 官方文档，详细介绍了用法及实现。（fs 文件系统 | Node.js API 文档）

cheerio 模块用于在服务器端使用 jQuery 语法解析 HTML，下图是 nmp 官方文档，详细介绍了用法及实现。（cheerio - npm）

3.代码实现：

const https = require('https'); // 引入 https 模块
const cheerio = require('cheerio'); // 引入 cheerio 模块
const fs = require('fs'); //引入文件系统模块

// 发起 HTTPS 请求，获取豆瓣Top250电影页面的 HTML 内容
https.get('https://movie.douban.com/top250',(res)=>{
    let html = ''
    
    // 监听 'data' 事件，当接收到数据时触发，拼接数据到 html 变量
    res.on('data',(chunk)=>{
        html += chunk; //强行把十六进制转换成十进制页面代码
    })
    
    // 监听 'end' 事件，当数据接收完毕时触发
    res.on('end',()=>{
        
        // 使用 cheerio.load() 方法加载 HTML 内容，返回一个类似 jQuery 的对象
        const $ = cheerio.load(html);
        
        // 用于存储电影信息的数组
        const result = []
        
        // 使用 cheerio 选择器遍历每个电影条目
        $('li .item').each(function(){
        
            // 从当前电影条目中提取标题、评分和图片链接
            const title = $('.info .title',this).text() //标题
            const star = $('.info .bd .rating_num',this).text() //评分
            const pic = $('.pic img',this).attr('src') //图片
            
            // 将提取的信息组成对象并添加到结果数组中
            result.push(
                {
                    title,
                    star,
                    pic
                }
            )
        })
        
        // 将结果数组以 JSON 格式写入文件
        fs.writeFile('./list.json', JSON.stringify(result),(err,data)=>{
            if(err){
                throw err 
            }
            console.log('文件写入成功！');
        })
    })
})

4.成果展示

最后

当你成功运行这段 Node.js 代码时，你已经迈出了使用 JavaScript 后端应用的一大步。

希望这篇文章能够为你提供了一个简单而实用的入门指南，让你更了解 Node.js，并激发了你深入学习的兴趣。如果你有任何疑问或想要了解更多，不要犹豫，加入社区，查阅文档，与其他开发者交流，共同成长。

已将学习代码放入Gitee，欢迎大家学习指导！！！

技术小白记录学习过程，有错误或不解的地方还请评论区留言，如果这篇文章对你有所帮助请 “点赞 收藏+关注” ，感谢支持！！