## 目标 建立一个 lesson3 项目，在其中编写代码。 当在浏览器中访问 `http://localhost:3000/` 时，输出 CNode([https://cnodejs.org/](https://cnodejs.org/) ) 社区首页的所有帖子标题和链接，以 json 的形式。 输出示例： ~~~ [ { "title": "【公告】发招聘帖的同学留意一下这里", "href": "http://cnodejs.org/topic/541ed2d05e28155f24676a12" }, { "title": "发布一款 Sublime Text 下的 JavaScript 语法高亮插件", "href": "http://cnodejs.org/topic/54207e2efffeb6de3d61f68f" } ] ~~~ ## [](https://github.com/alsotang/node-lessons/tree/master/lesson3#挑战)挑战 访问 `http://localhost:3000/` 时，输出包括主题的作者， 示例： ~~~ [ { "title": "【公告】发招聘帖的同学留意一下这里", "href": "http://cnodejs.org/topic/541ed2d05e28155f24676a12", "author": "alsotang" }, { "title": "发布一款 Sublime Text 下的 JavaScript 语法高亮插件", "href": "http://cnodejs.org/topic/54207e2efffeb6de3d61f68f", "author": "otheruser" } ] ~~~ ## [](https://github.com/alsotang/node-lessons/tree/master/lesson3#知识点)知识点 1. 学习使用 superagent 抓取网页 2. 学习使用 cheerio 分析网页 ## [](https://github.com/alsotang/node-lessons/tree/master/lesson3#课程内容)课程内容 Node.js 总是吹牛逼说自己异步特性多么多么厉害，但是对于初学者来说，要找一个能好好利用异步的场景不容易。我想来想去，爬虫的场景就比较适合，没事就异步并发地爬几个网站玩玩。 本来想教大家怎么爬 github 的 api 的，但是 github 有 rate limit 的限制，所以只好牺牲一下 CNode 社区（国内最专业的 Node.js 开源技术社区），教大家怎么去爬它了。 我们这回需要用到三个依赖，分别是 express，superagent 和 cheerio。 先介绍一下， superagent([http://visionmedia.github.io/superagent/](http://visionmedia.github.io/superagent/) ) 是个 http 方面的库，可以发起 get 或 post 请求。 cheerio([https://github.com/cheeriojs/cheerio](https://github.com/cheeriojs/cheerio) ) 大家可以理解成一个 Node.js 版的 jquery，用来从网页中以 css selector 取数据，使用方式跟 jquery 一样一样的。 还记得我们怎么新建一个项目吗？ 1. 新建一个文件夹，进去之后 `npm init` 2. 安装依赖 `npm install --save PACKAGE_NAME` 3. 写应用逻辑 我们应用的核心逻辑长这样 ~~~ app.get('/', function (req, res, next) { // 用 superagent 去抓取 https://cnodejs.org/ 的内容 superagent.get('https://cnodejs.org/') .end(function (err, sres) { // 常规的错误处理 if (err) { return next(err); } // sres.text 里面存储着网页的 html 内容，将它传给 cheerio.load 之后 // 就可以得到一个实现了 jquery 接口的变量，我们习惯性地将它命名为 `$` // 剩下就都是 jquery 的内容了 var $ = cheerio.load(sres.text); var items = []; $('#topic_list .topic_title').each(function (idx, element) { var $element = $(element); items.push({ title: $element.attr('title'), href: $element.attr('href') }); }); res.send(items); }); }); ~~~ OK，一个简单的爬虫就是这么简单。这里我们还没有利用到 Node.js 的异步并发特性。不过下两章内容都是关于异步控制的。 记得好好看看 superagent 的 API，它把链式调用的风格玩到了极致。