前言
前段时间，我发现一个开源题库，题目十分有意思。我想把它整成一个JSON文件做为数据储备，不便整活。
一共有一百五十多道题目，手动CV我必定是不想干的。于是写了个脚本，在写脚本的过程中，我发现一个能让Node.js操作Dom的开源我的项目。
有了它，再加上jQuery就能够应答简略爬虫抓取数据了，所以写下这篇文章跟大家分享下。
源码仓库地址：CatsAndMice/auto-script (github.com)
解析markdown文件获取数据
-
读取markdown文件，去除无用的结尾内容
const readMd = (path) => {
let content = fs.readFileSync(path, { encoding: 'utf-8' });
content = content.split('---');
// 去除结尾无用结尾内容
content.shift(0, 1);
return content;
}markdown文件中每一段内容都是—-分隔，那就间接以它来宰割文件内容为若干块，第一块为结尾内容content.shift(0, 1)去除掉
- 应用markdown-it将markdown内容渲染成html内容，这个时候的html仅仅是字符串，jsDom将html字符串转化成Dom
const mdIt = require('markdown-it')();
const jsdom = require("jsdom");
const { JSDOM } = jsdom;
//...
const parseMd = (md = '') => {
const mdHtml = mdIt.render(md)
const dom = new JSDOM(mdHtml)
const { window } = dom
return window
}
//...实现markdown渲染成html字符串，html字符串转化成Dom后，间接把window这个变量返回进来即可。
- 引入jQuery操作Dom
const getMdMapValue = (mds = []) => {
const mdMap = new Map();
mds.forEach((md, index) => {
const id = index + 1
const window = parseMd(md)
const $ = require('jquery')(window);
//...
})
return Array.from(mdMap.values())
}- 接下来，即应用
$针对性的获取Dom内容
const getMdMapValue = (mds = []) => {
const mdMap = new Map();
mds.forEach((md, index) => {
const id = index + 1
const window = parseMd(md)
const $ = require('jquery')(window);
//新增
const answer = parseAnswer($('p'))
const obj = { id, title: $('h6').text(), result: $('h4').text(), code: $('.language-javascript').text(), answer }
// 如果选项解析失败，则摈弃该题目
try {
parseSelect($('ul>li'), (key, value) => {
const option = { key, value }
if (obj.options) {
obj.options.push(option)
return
}
obj.options = [option]
})
mdMap.set(id, obj)
} catch (error) {
console.warn('解析出错:', error)
}
})
return Array.from(mdMap.values())
}其余的逻辑就是将<code>、<em>等标签转化成`、**等markdown符号相干边界性问题解决，不具体粘贴代码，读者能够查看源码
写个小爬虫
我抉择爬取https://fabiaoqing.com/bqb/li… 网站的表情图，逻辑非常简单，几十行搞定。
还是应用jsDom将申请响应的html文件内容转化为Dom，再应用jQuery操作。
crawl.js
const axios = require('axios');
const { JSDOM } = require('jsdom');
let $ = require('jquery');
const fs = require('fs');
const path = require('path');
(async () => {
const { data } = await axios.get('https://fabiaoqing.com/bqb/lists/type/hot.html')
const page = new JSDOM(data)
const window = page.window
$ = $(window)
$('.bqppdiv').each(async (index, e) => {
const src = $(e).find('.image')[0].getAttribute('data-original')
const type = path.extname(src)
const fileName = Date.now() + type
const { data } = await axios.get(src, {responseType: 'stream'})
const download = path.join(__dirname, fileName)
data.pipe(fs.createWriteStream(download))
})
})()这里，我仅演示下爬虫不再深刻，相似简略爬虫仅应用jquery、jsDom即可搞定，不须要学习其余简单的爬虫工具。
总结
通过解析markdown文件将纯markdown文本解析成html字符串，又将html字符串转化成实在的Dom对象，再应用jQuery来获取Dom,达成markdown文件内信息转成JSON文件作为数据存储的目标，最初演示NodeJs操作Dom，并简略写一个爬虫做为练习。
如果我的文章对你有帮忙，你的👍就是对我的最大反对^_^，另外欢送大家关注我的公众号《凌览社》，和我一起成长。
本文由mdnice多平台公布
发表回复