使用NodeJS+Cheerio实现网络爬虫

1.安装 node.js

下载网址 https://nodejs.org/en/

找到下载好的安装文件，双击开始安装

如果安装完成，默认情况下是安装在系统盘的Program Files目录下的：

我们可以打开命令行窗口测试一下能否正常运行node

安装Node的同时已经默然安装了我们后面需要的npm工具，我们也可以查看一下npm的版本：

到这里，我们就可以确认已经正常的安装好了NodeJS，下面就可以使用NodeJS来大展身手了。

2.修改 npm 的镜像

因为NodeJS工具在下载安装一些其它工具包的时候，默认是使用的国外的镜像，我们可以修改NodeJS的下载镜像。在命令行执行如下命令：
npm config set -g registry=http://registry.npm.taobao.org/

以后在通过NodeJS下载安装资源的时候，就会自动选择国内的taobao镜像。

3.第一个NodeJS程序

在你喜欢的目录下创建一个文件夹。我在D盘下创建了一个文件夹，名字为demo；

在命令行中将目录切换到你刚才创建的文件夹,我的是D:\demo

初始化Node环境,在命令行执行npm init,此时会要求你填写一些基本信息：

最后输入yes，保存信息。此时会在你的D:\demo文件夹下生成一个package.json的配置文件。

package name: 你的项目名字叫啥
version: 版本号
description: 对项目的描述
entry point: 项目的入口文件（一般你要用那个js文件作为node服务，就填写那个文件）
test command: 项目启动的时候要用什么命令来执行脚本文件（默认为node app.js）
git repository: 如果你要将项目上传到git中的话，那么就需要填写git的仓库地址（这里就不写地址了）
keywords： 项目关键字（我也不知道有啥用，所以我就不写了）
author: 作者的名字（也就是你叫啥名字）
license: 发行项目需要的证书（这里也就自己玩玩，就不写了）

刚才我们填写的数据都被写入到了package.json文件中：

4.在D:\demo目录下创建一个index.js文件

在d:\demo目录下，创建一个index.js文件并开始编写js代码，我们先写一个helloworld程序。

console.log("我的第一个Node项目！");

5.在命令行启动程序

打开命令行，将命令行的目录切换到程序所在的文件夹d:\demo下，执行node index，在node环境下开始执行我们的index.js文件。

到这里，我们的第一个NodeJS的程序就正常运行了！鼓励一下自己！！

6.开始安装制作爬虫需要的资源：

在命令行中，将目录切换到前面创建的项目目录。安装request,cheerio两个资源包：

执行结果如下：

此时，我们的package.json文件中会增加刚才安装的资源包：

7.分析要爬取数据的页面

这里我们已丁香园医生的网站作为要爬取的数据源*[如有侵权，请及时告知，谢谢]*

8.开始在index.js中编写代码

下面我们开始编写爬虫，爬取数据

9.测试结果

写完之后，在命令行执行一下，看看我们爬取的数据结果：

到这里，我们就完成了数据的爬取工作，剩下的事情就是如何来使用这些数据了。