泰安千橙网络科技有限公司微博seo营销

前言

说起网络爬虫，很多人第一时间想到python，但爬虫并非只能用python实现，虽然网上大部分爬虫文章都在说python爬虫，但对于前端程序员来说，我觉得js才是最屌的（对于简单爬取任务来说，复杂的我暂时没碰到～），下面说说我的经验（是的，仅限本人经验），希望能给各位前端程序员带来一点新视角。

前置条件

• 熟悉常用的js bom dom api
• 会用chrome devtool

什么是爬虫

简单点，字面意思，爬虫就是用来爬取数据（文本、图片、视频等等）的代码脚本；

在第一次听爬虫的时候，感觉这个词碉堡了，学会了一定很酷！这也是我以前入坑python的主要原因。但搜索下科普文章/百科等等，还是有点云里雾里的感觉。其实我觉得了解一个概念从实际的需求出发更加容易理解，毕竟概念是人造的，没有概念前呢？下面根据真实事件改编：

需求一：获取豆瓣评分电影Top250的详细信息

需要获取以下表头信息，并存到本地/数据库/…

先不说怎么做到，但只要你用代码实现了这个需求，那你就是写了一个爬虫。

js爬虫思路实践

从哪里开始呢？首先，你要爬数据，就得先有目标，一般目标是一个网页，网页上有你想要的数据，一般网页数据多的时候都会分页请求数据，那必然就有规律！

1. 分析页面请求，找到数据来源，分析接口规律

简单分析下第一页/第二页接口请求，发现数据是以下接口返回的：

• 第一页接口路径：movie.douban.com/top250?star…
• 第二页接口路径：movie.douban.com/top250?star…

依此类推，第几页只是start参数不一样

2. 用代码模拟获取接口数据

代码模拟获取接口数据？那不就是调接口吗，这我熟，于是axios/fetch一顿撸，如下：

fetch("https://movie.douban.com/top250?start=1").then(function (response) {return response.text();}).then((r) => {console.log(333, r);});

放到console下跑下，数据不就拿到了！

3. 过滤处理提取数据

返回json数据还好处理，但这返回的是一个html文档啊，怎么过滤获取我们想要的数据呢？我们换个思路，对于处理html文档，dom api再合适不过了，但怎么用document对象方法呢，用iframe！

const iframe = document.createElement("iframe");
iframe.onload = () => {console