导航 品达服务导航
当前位置: 主页 搜索引擎优化
  • SEO优化怎么做
  • 什么是单页面优化
  • 关键词优化需注意什么
  • 网站优化的技巧
  • 企业推广需要注意什么
  • 推荐5个目前最好的网页数据采集神器

    作者
    发布时间2020-04-18
    阅读量3236
    在互联网+数据+人工智能时代,仍然有越来越多的网页数据采集需求,且案例众多,网页数据采集在企业中落地的实际应用也在不断地显著增加。实际工作中可能需要为一个旅游网站获取航班时间或Airbnb列表,或者可能需要收集数据,例如来自不同电子商务网站的价格表,以便进行价格比较。很多时候也会出于个人需要,比如为机器学习收集训练和测试数据集等。这就是web网页数据采集发挥作用的地方。

    在这里,我们将探讨最好的网页数据采集工具。

    1. Puppeteer
    https://github.com/puppeteer/puppeteer

    推荐5个目前最好的网页数据采集神器


    Puppeteer是Google放出的“终极”大招,它不只是一个网页数据采集工具,实际上是一个Node库,它提供了一个高阶API,类似于Selenium Webdriver的高级别API,默认是通过DevTools协议控制无界面Chrome,还可以通过配置用于有界面Chrome。

    使用Puppeteer,我们可以做以下事情:

    # 用来生成网页截图或PDF文件。

    # 用来创建全新的自动化测试环境。

    # 用来捕捉网页的时间线轨迹以诊断性能问题。

    # 抓取一个SPA(单页应用程序)并生成网页渲染之前的内容(服务器端渲染(SSR))。

    推荐5个目前最好的网页数据采集神器


    API像自然语言一样简洁明了,没有callback,几行代码就能搞定我们所需的一切。

    推荐5个目前最好的网页数据采集神器


    2. Cheerio
    https://github.com/cheeriojs/cheerio

    推荐5个目前最好的网页数据采集神器


    Cheerio是一个标记解析库,提供了对结果数据(比如服务端接口返回的数据)结构进行解析的API,Cheerio最好的一点是它不像web浏览器那样解释结果数据。然而,它既不产生视觉呈现、也不加载外部资源或请求CSS。如果实际项目中需要上面这些能力的话,就需要考虑类似PhantomJS这样的项目。

    值得注意的是,用Node.js采集数据在Cheerio中要容易得多。

    比如采集http://v.163.com/special/opencourse/englishs1.html:

    推荐5个目前最好的网页数据采集神器


    3.Request - Promise
    https://github.com/request/request-promise

    Request-Promise是npm库中的一个变体,它通过自动化的浏览器提供了一个更快的解决方案。当内容不是动态呈现时,可以使用此网页数据采集工具。如果要处理的网站有一个认证系统,它可以是一个更先进的解决方案。如果我们把它和Puppeteer相比,它的用法正好相反。

    推荐5个目前最好的网页数据采集神器


    4. Nightmare
    https://github.com/segmentio/nightmare

    Nightmare是一个高级的浏览器自动化库,它以浏览器的形式运行Electron程序。Electron (https://electronjs.org/)是一个使用 JavaScript, HTML 和 CSS 等 Web 技术创建原生程序的框架,兼容Mac、Windows和Linux,可以构建出三个平台的桌面应用程序,它负责比较难搞的部分,我们只需把精力放在应用的核心上即可【Electron刚刚加入了 OpenJS 基金会】。Nightmare是一个浓缩的版本,或者我们可以说,是一个简化版的Puppeteer。它有提供更多灵活性的插件,包括对文件下载的支持。

    Nightmare的目标是对外公开几个使用起来像是同步的方法调用,比如goto、type和click,而不是深度嵌套的回调。最初是为在没有api的站点之间自动化执行任务而设计的,但最常用于UI测试和数据采集。

    推荐5个目前最好的网页数据采集神器


    还可以运行mocha测试。

    5. Osmosis
    https://www.npmjs.com/package/osmosis

    Osmosis是一个HTML/XML解析器和网页数据采集工具。它是用Node.js编写的,用CSS3/xpath选择器和轻量级HTTP包装器打包。如果我们将它与Cheerio、jQuery和jsdom进行比较,则它没有显著的依赖性。

    实例代码如下:

    推荐5个目前最好的网页数据采集神器




    推荐5个目前最好的网页数据采集神器


    【202001】

    还没有解决您的问题?

    请留下问题以及联系方式会有专业的人员为您解答

    0/500
    姓名 姓名
    手机 手机
    微信 微信

    项目服务

    在线客服

    返回顶部