用100行Nodejs代码写微博爬虫

---

版权声明：

尊重知识产权，严厉打击非法采集。

《用100行Nodejs代码写微博爬虫》由 HOOYES 原创， HOOYES 保留一切权利。

原文地址：https://hooyes.net/p/nodejs-weibo-spider

请尊重原创，本文原文地址：https://hooyes.net/p/nodejs-weibo-spider

• 思路
• 伪代码
• 真代码

思路

通过关键字搜索抓取新浪微博的数据，分析得出新浪微博的搜索地址格式如下：

http://s.weibo.com/weibo/关键字

爬虫代码文件为 weibo-spider.js

假设我们要查询的关键字为 哈佛大学 则运行方式为

node weibo-spider.js 哈佛大学

执行此命令后，则爬虫会逐页抓取。

伪代码

将上面的思路用以下用伪代码表示过程

// 主程序 
async function Main(keyword) {
	let url = 'http://s.weibo.com/weibo/'+keyword
	let data = await fetchHtml(url);
	Worker(data);
}

// 抓取 url 的程序
function fetchHtml(url) {
}

// Worker 负责解析抓取的HTML并转化成 JSON
function Worker(data){
}

// 为了防止过快抓取，模拟一个线程等待

const  Thread = { 
    Sleep : function (d) {  
    return new Promise((a, r) => { 
    setTimeout(() => { 
      a() 
    }, d) 
  }) }
}

// Nodejs 命令行参数
let argvs = process.argv;
let keyword = argvs[2];
Main(keyword);

执行fetchHtml的时候附带登录的 Cookie，本文把 Cookie 存在 Cookie.txt

因Cookie包含私人信息本文不提供，请自行获取，获取Cookie方法有很多种，例如：登录后，通过浏览器复制 Cookie ， 以下码基于你已拿到了 Cookie 。

真代码

weibo-spider.js 100行代码，依赖一个request模块和自定义xhtml模块。

完整代码已放到Hooyes的Github上开源，欢迎Fork或提建议。

weibo-spider.js

xhtml.js

$ welcome to hooyes.net
[INFO] ------------------------------o-
[INFO] Author : HOOYES
[INFO] Site : https://hooyes.net
[INFO] Page : https://hooyes.net/p/nodejs-weibo-spider
[INFO] Last build : 2023-07-31 09:16:20 +0000
[INFO] -0------------------------------

原文地址：https://hooyes.net/p/nodejs-weibo-spider

原文地址：https://hooyes.net/p/nodejs-weibo-spider