前言
前段时间，我发现一个开源题库，题目非常有意思。我想把它整成一个JSON文件做为数据储备，方便整活。
一共有一百五十多道题目，手动CV我肯定是不想干的。于是写了个脚本，在写脚本的过程中，我发现一个能让Node.js操作Dom的开源项目。
有了它，再加上jQuery就可以应对简单爬虫抓取数据了，所以写下这篇文章跟大家分享下。
源码仓库地址：CatsAndMice/auto-script (github.com)
解析markdown文件获取数据
读取markdown文件，去除无用的开头内容
const readMd = (path) => {
let content = fs.readFileSync(path, { encoding: 'utf-8' });
content = content.split('---');
// 去除开头无用开头内容
content.shift(0, 1);
return content;
}markdown文件中每一段内容都是—-分隔，那就直接以它来分割文件内容为若干块，第一块为开头内容content.shift(0, 1)去除掉
- 使用markdown-it将markdown内容渲染成html内容，这个时候的html仅仅是字符串，jsDom将html字符串转化成Dom
const mdIt = require('markdown-it')();
const jsdom = require("jsdom");
const { JSDOM } = jsdom;
//...
const parseMd = (md = '') => {
const mdHtml = mdIt.render(md)
const dom = new JSDOM(mdHtml)
const { window } = dom
return window
}
//...完成markdown渲染成html字符串，html字符串转化成Dom后，直接把window这个变量返回出去即可。
- 引入jQuery操作Dom
const getMdMapValue = (mds = []) => {
const mdMap = new Map();
mds.forEach((md, index) => {
const id = index + 1
const window = parseMd(md)
const $ = require('jquery')(window);
//...
})
return Array.from(mdMap.values())
}- 接下来，即使用
$针对性的获取Dom内容
const getMdMapValue = (mds = []) => {
const mdMap = new Map();
mds.forEach((md, index) => {
const id = index + 1
const window = parseMd(md)
const $ = require('jquery')(window);
//新增
const answer = parseAnswer($('p'))
const obj = { id, title: $('h6').text(), result: $('h4').text(), code: $('.language-javascript').text(), answer }
// 如果选项解析失败，则抛弃该题目
try {
parseSelect($('ul>li'), (key, value) => {
const option = { key, value }
if (obj.options) {
obj.options.push(option)
return
}
obj.options = [option]
})
mdMap.set(id, obj)
} catch (error) {
console.warn('解析出错:', error)
}
})
return Array.from(mdMap.values())
}其他的逻辑就是将、等标签转化成`、**等markdown符号相关边界性问题处理，不详细粘贴代码，读者可以查看源码
写个小爬虫
我选择爬取https://fabiaoqing.com/bqb/li... 网站的表情图，逻辑非常简单，几十行搞定。
还是使用jsDom将请求响应的html文件内容转化为Dom，再使用jQuery操作。
crawl.js
const axios = require('axios');
const { JSDOM } = require('jsdom');
let $ = require('jquery');
const fs = require('fs');
const path = require('path');
(async () => {
const { data } = await axios.get('https://fabiaoqing.com/bqb/lists/type/hot.html')
const page = new JSDOM(data)
const window = page.window
$ = $(window)
$('.bqppdiv').each(async (index, e) => {
const src = $(e).find('.image')[0].getAttribute('data-original')
const type = path.extname(src)
const fileName = Date.now() + type
const { data } = await axios.get(src, {responseType: 'stream'})
const download = path.join(__dirname, fileName)
data.pipe(fs.createWriteStream(download))
})
})()这里，我仅演示下爬虫不再深入，类似简单爬虫仅使用jquery、jsDom即可搞定，不需要学习其他复杂的爬虫工具。
总结
通过解析markdown文件将纯markdown文本解析成html字符串，又将html字符串转化成真实的Dom对象，再使用jQuery来获取Dom,达成markdown文件内信息转成JSON文件作为数据存储的目的，最后演示NodeJs操作Dom，并简单写一个爬虫做为练习。
如果我的文章对你有帮助，你的就是对我的最大支持^_^，另外欢迎大家关注我的公众号《凌览社》，和我一起成长。
本文由mdnice多平台发布