nodejs实现拉钩网爬虫

灰太狼 2022-05-31 08:21 176阅读 0赞

# 概述 #

通过nodejs+mysql+cheerio+request实现拉钩网特定公司的所有招聘信息的抓取，并将抓取的信息保存到数据库中。抓取内容包括：薪酬福利，工作地，职位要求，工作性质等几乎所有的内容。对于nodejs实现爬虫不了解的同学可以看过来，代码中有详细的注释，通俗易懂。

# 详细 #

#### 代码下载：[http://www.demodashi.com/demo/10398.html][http_www.demodashi.com_demo_10398.html] ####

#### 一、准备工作 ####

1、安装最新版本的[nodejs][],其中npm会被自动安装

2、安装该项目需要的包

npm install cheerio jsdom mysql request -S

其中package.json中的内容为:

"dependencies": {
        "cheerio": "^1.0.0-rc.1",
        "jsdom": "^11.0.0",
        "mysql": "^2.13.0",
        "request": "^2.81.0"
      }

#### 二、程序实现 ####

1、程序实现的目录结构如下：

![qqq.png][]

2、实现思路如下：

index.js：程序主文件，各种数据清洗工作，url构造在这个文件中完成

Job.js : 用于构建Job对象，有助于写入数据库

db.js：连接数据库并写入数据

url\_construct.js：可以自己配置抓取那些公司的职位信息。如阿里巴巴，百度，腾讯等。部分代码如下：

const companyNames = ["网易","阿里巴巴","百度","腾讯","去哪儿","浪潮"];
    const encodedCompanyNames = [];
    //转化为urlencoded
    for(let i=0;i<companyNames.length;i++){
      encodedCompanyNames.push(encodeURIComponent(companyNames[i]));
    }
    module.exports = encodedCompanyNames;

3、数据库设计截图

![mysql.png][]

上面是本例子的数据库截图，其中id是主键，同时是自增的。

4、连接数据库注意点

下面的user和password的值是你安装数据库时候设置的，请自己修改

const pool = mysql.createPool({
      connectionLimit:10,
      database:TEST_DATABASE,
      user:"root",
      password:"root"
    });

#### 三、运行效果 ####

首先cd到src目录下，然后简单的运行下面的命令就可以了：

node index.js

下面是数据库抓取的部分信息截图：

![job.png][]

#### 四、其他补充 ####

如果你需要增加更多功能，可以在demo大师的"没有找到例子？"功能提出，我会增加例子，谢谢

#### 注：本文著作权归作者，由demo大师（[http://www.demodashi.com][http_www.demodashi.com]）宣传，拒绝转载，转载需要作者授权 ####

[http_www.demodashi.com_demo_10398.html]: http://www.demodashi.com/demo/10398.html
[nodejs]: https://pan.baidu.com/s/1bp5v5QR
[qqq.png]: /images/20220531/a7d76016843d471c9ac732933a28e970.png
[mysql.png]: /images/20220531/bbf5d3004e6f4870a46d1eee4e0029f3.png
[job.png]: /images/20220531/aa6d60190c4f47938593fe8c629e47ab.png
[http_www.demodashi.com]: http://www.demodashi.com/