NodeJS是最近非常火的一個JS框架，百科的介紹是輕量高效的基于事件驅動的JS運行平臺。

　　使用NodeJS的原因有3個，一是它的代碼寫法基于JS，比較容易寫。已經有入門級別的經驗了。另一個就是它的一個庫Cheerio，可以用幾乎和jQuery一模一樣的方式來操作源碼里面的Dom元素。這個什么意思稍候會講。第三個是它可以做為本地端，也可以布到服務器上去。

　　這2天研究比較多，應該算是初級入門了。正好有個需求要處理，于是應用了NodeJS。

　　一、安裝

　　網上有很多的教程，下載到https://nodejs.org，在Win系統下運行就可以搭上一個環境。下載Windows的Installer版本，雙擊安裝，就成功了。

　　然后配置神器Sublime開始使用。

　　為Sublime添加實時調試運行，打開Sublime-》Tools-》Build System-》New Build System

　　在新打開的文件中寫入下面的代碼

　　{

　　"cmd": ["node", "$file"],

　　"file_regex": "^[ ]*File \"(...*?)\", line ([0-9]*)",

　　"selector": "source.javascript"

　　}

　　然后保存為NodeJS.sublime-build.

　　新建一個采集.js文件，設為NodeJS進行運行調試。

1

　　二、注意

　　在nodejs里面需要require(庫名)的方式來引用一些外部的庫，這些外部的庫安裝NodeJS的時候，已經放在C盤的programfiles下面了。但是直接require是無效的。

　　因為NodeJS提倡的是自己的代碼用自己的庫，所以還需要把庫復制到采集.js這個文件下面。

　　引用的時候可以通過npm link 庫名的方式，來把系統C盤的庫引用到我們的項目下面。

2

　　三、直接使用了

　　//采集頁面內容到本地

　　var http = require("http");

　　var cheerio = require('cheerio'); //引用cheerio模塊,使在服務器端像在客戶端上操作DOM,不用正則表達式，據基準測試：cheerio大約比JsDom快8倍。

　　var iconv = require('iconv-lite'); //解決編碼轉換模塊

　　var BufferHelper = require('bufferhelper'); //關于Buffer我后面細說

　　var data=download('http://blog.csdn.net/kissliux/article/details/20466889',function (data) {

　　//console.log(data);

　　var $=cheerio.load(data);//載入到cheerio進行分析

　　//遍歷DIV

　　// $('a').each(function(i,e){

　　// console.log($(e).attr('href'));

　　// });

　　// 遍歷鏈接

　　// $("a.downbtn").each(function(i, e) {

　　// console.log($(e).attr("href"));

　　// });

　　//var title=$('head>title').text();//讀取Title信息

　　//console.log(title);

　　//分析得到頁面基本信息

　　var page = {

　　"document": {

　　title: $('head>title').text(),

　　meta: {

　　title: $('meta[property="og:title"]').attr("content"),

　　author: $('meta[property="og:author"]').attr("content"),

　　description: $('meta[name="description"]').attr("content"),

　　url: $('meta[property="og:url"]').attr("content"),

　　type: $('meta[property="og:type"]').attr("content"),

　　image: $('meta[property="og:image"]').attr("content")

　　},

　　"content": undefined,

　　"images": []

　　}

　　};

　　//采集圖片存入列表

　　$('img').each(function(){

　　var url = $(this).attr('src');

　　if (page.document.images.indexOf(url) === -1){

　　page.document.images.push(url);

　　}

　　});

　　console.log(page);

　　});

　　/**

　　* 下載源碼，自動識別編碼

　　* @param {[type]} url [下載URL]

　　* @param {Function} callback [回調]

　　* @return {[type]} [description]

　　*/

　　function download(url, callback) {

　　http.get(url, function(res) {

　　var data = "";

　　res.on('data', function (chunk) {

　　data += chunk;

　　});

　　res.on("end", function() {

　　callback(data);

　　});

　　}).on("error", function(e) {

　　console.log("Got error: " + e.message);

　　callback(null);

　　});

　　}

　　上面我封好了download下載Html的內容。并進行處理的簡單示例。注意require的庫必須使用npm link 庫名克隆到本地，或者自己下載包放到采集.js下面的node_modules目錄下面，如果 沒有這個目錄，自己創建。

　　其中：

　　使用Cheerio要取頁面的H1標題就簡單了

　　var title=$('#article_details h1 a').text().trim();//讀取Div下面的H1標簽文本。

　　有沒有jQuery強到爆的感覺。想分析頁面什么的，還用正則嗎?不用了。還用分析嗎?不用了。找個大的Div，直接就讀出來了。C#當然也可以用Htmp Agility pack來解析Dom。

　　但是為此我要新建一個項目，運行，調試，用NodeJS的話，在Sublime里面按Ctrl+B直接運行，可以馬上看到效果。而且可以放到服務端。放到我的服務器上去。諸多好處也不大好形容。如果會點JS代碼的話，上手應該非常快。

　　下面是運行效果

3

　　后面我把功能完善一點之后，會分享更完整的功能，讀取文件中的URL采集，采集內容之后內容清洗，放進數據庫或者導出文件。