今天给大家分享的是node爬虫，写得不好的大家多关照，指出
背景交代，以下写的demo都是参照《python3网络爬虫开发实战》用node实现的，所以demo的具体思路什么的，大家可以去看书上的介绍，感兴趣的，可以去了解一波。
-
[x] 3.4 猫眼电影抓取
猫眼电影抓取，没什么难点，非常简单的一个实例。唯一要注意的地方就是正则吧（当然也可以用cheerio库来实现更简单，主要是为了实践下不同的方式）。因为python3有很多现成的方法，所以当用node去写的时候，可能要改变一下，具体的可以看源码
let re = /<dd>(?:\s.*?)*board-index.*?>(\d+)<\/i>(?:\s.*?)*data-src="(.*?)"(?:\s.*?)*name"><a.*?>(.*?)<\/a><\/p>\s*?<p class="star">\s*?(.*?)\s*?<\/p>(?:\s.*?)*releasetime">(.*?)<\/p>(?:\s.*?)*integer">(.*?)<\/i>.*?fraction">(.*?)<\/i>/g- [x] 6.4 今日头条Ajax街拍图片抓取
// 主要是有一个疑问，下面这段代码主要是判断文件存不存在，如果不存在的话抛异常再写入文件，但是总感觉这种处理方式有问题，希望能找到更合理的方法
try {
fs.accessSync(file_path)
console.warning('Already Downloaded', file_path)
} catch (error) {
response.data.pipe(fs.createWriteStream(file_path))
}-
[x] 7.4 淘宝商品
这里主要介绍的就是puppeteer是 Google Chrome 团队官方的无界面（Headless）Chrome 工具, 通过puppeteer我们很容易的模拟用户的操作
-
[x] 8 图片验证码识别
这里主要注意的就是node-tesseract库和gm,由于之前一开始用的是tesseract.js库，一直报错可以看下这两个问题issues1和issues2，后来改成node-tesseract就好了，我感觉也是因为墙的原因吧或者是配置的问题
// 可能把路径指向本地就好了，具体的没测试，后面再找找问题看
window.Tesseract = Tesseract.create({
workerPath: '/path/to/worker.js',
langPath: 'https://cdn.rawgit.com/naptha/tessdata/gh-pages/3.02/',
corePath: 'https://cdn.rawgit.com/naptha/tesseract.js-core/0.1.0/index.js',
})后面还会更新其他的爬虫demo,希望本文对你有帮助github地址
