node 爬虫 根据目录自动存写入文档

本案例以小说网站为案例

需要 用到的模块有 fs,patn 用来操作文件,使用selenium-web来操作浏览器。（如果对改插件不太了解和使用可以看我另一篇文章 node 使用selenium 爬取页面数据（node爬虫） 有具体介绍如何安装和使用）

其中 selenium-webdriver 模块是需要自己安装一下的。

npm i selenium-webdriver

通过指定的浏览器打开

var driver = new Builder().forBrowser('firefox').build();

在用浏览器进入指定地址，并获取所有章节的标签

进入章节详情获取数据

把获取的数据存入指定文档，并循环其它章节

下面是全部操作代码

const fs = require('fs')
const path = require('path')
let file = path.resolve(__dirname, './file.txt'); //存入文件位置
const {
  Builder,
  By,
  Key,
  until
} = require('selenium-webdriver');


var currentPageNum = 1; //第一章节
var maxPageNum = 2059; //最大章节数
var driver = new Builder().forBrowser('firefox').build();
var list = []
start()
async function start() {


  await driver.get('https://www.xbiquge.la/34/34525/'); //小说 目录首页
  let listLength = await driver.findElements(By.css('.box_con dl dd')); //获取小说所有章节的标签
  maxPageNum = listLength.length; //更新最大章节数
  inWeb(); //进入小说章节页面
};


async function inWeb() {


  console.log(`当前正在获取第${currentPageNum}页数据，共${maxPageNum}页`)


  if (currentPageNum < maxPageNum + 1) {
    console.log("------------开始点击   进入文章-------------")
    let pageItem = await driver.findElements(By.css('.box_con dl dd'));


    let item = await pageItem[currentPageNum - 1].findElement(By.css("a")) //根据章节数进入小说页面
    let href = await item.getAttribute("href")
    await driver.get(href); //小说 内容页面  通过a标签的href地址进入
    // item.click();//点击事件来进入页面
    setTimeout(() => {
      getData(); //获取小说数据
    }, 200); //增加延迟时间给页面加载，如果没有加载完成无法获取元素


  }


}


async function getData() {
  while (true) {
    let notError = true;
    try { //更具css样式获取对应内容
      let title = await driver.findElement(By.css('.bookname h1'));
      let text = await driver.findElement(By.id("content"));


      title = await title.getText(); //标题
      text = await text.getText(); //内容
      currentPageNum++; //获取内容后增加章节数
      let str = "\n" + title + "\n" + text
      // 异步写入数据到文件
      fs.appendFile(file, str, { //把获得的章节名称和内容写入文档
        encoding: 'utf8'
      }, err => {})
      if (currentPageNum < maxPageNum + 1) { //如果章节数没有达到最大章节数就继续爬取数据


        start()
      }
    } catch (error) {


      if (e) notError = false
      console.log("error ------------", error.message);


    } finally {
      if (notError) break;
    }
  }
}