首页 / 爬虫 / 小型新闻爬虫查询网站
小型新闻爬虫查询网站
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了小型新闻爬虫查询网站，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含22074字，纯文字阅读大概需要32分钟。
内容图文
小型新闻爬虫查询网站
作业要求
核心需求：
1、选取3-5个代表性的新闻网站（比如新浪新闻、网易新闻等，或者某个垂直领域权威性的网站比如经济领域的雪球财经、东方财富等，或者体育领域的腾讯体育、虎扑体育等等）建立爬虫，针对不同网站的新闻页面进行分析，爬取出编码、标题、作者、时间、关键词、摘要、内容、来源等结构化信息，存储在数据库中。
2、建立网站提供对爬取内容的分项全文搜索，给出所查关词的时间热度分析。
技术要求：
1、必须采用Node.JS实现网络爬虫
2、必须采用Node.JS实现查询网站后端，HTML+JS实现前端（尽量不要使用任何前后端框架）
实例分析
建立SQL
CREATE TABLE `fetches` (
`id_fetches` int(11) NOT NULL AUTO_INCREMENT,
`url` varchar(200) DEFAULT NULL,
`source_name` varchar(200) DEFAULT NULL,
`source_encoding` varchar(45) DEFAULT NULL,
`title` varchar(200) DEFAULT NULL,
`keywords` varchar(200) DEFAULT NULL,
`author` varchar(200) DEFAULT NULL,
`publish_date` date DEFAULT NULL,
`crawltime` datetime DEFAULT NULL,
`content` longtext,
`createtime` datetime DEFAULT CURRENT_TIMESTAMP,
PRIMARY KEY (`id_fetches`),
UNIQUE KEY `id_fetches_UNIQUE` (`id_fetches`),
UNIQUE KEY `url_UNIQUE` (`url`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
注意到charset定义为utf-8，很多网站（例如网易，就不能直接使用这套table了，如果使用的话需要进行转换）
SQL DML 和 DDL
可以把 SQL 分为两个部分：数据操作语言 (DML) 和 数据定义语言 (DDL)。
SQL (结构化查询语言)是用于执行查询的语法。但是 SQL 语言也包含用于更新、插入和删除记录的语法。
查询和更新指令构成了 SQL 的 DML 部分：
- SELECT - 从数据库表中获取数据
- UPDATE - 更新数据库表中的数据
- DELETE - 从数据库表中删除数据
- INSERT INTO - 向数据库表中插入数据
SQL 的数据定义语言 (DDL) 部分使我们有能力创建或删除表格。我们也可以定义索引（键），规定表之间的链接，以及施加表间的约束。
SQL 中最重要的 DDL 语句:
- CREATE DATABASE - 创建新数据库
- ALTER DATABASE - 修改数据库
- CREATE TABLE - 创建新表
- ALTER TABLE - 变更（改变）数据库表
- DROP TABLE - 删除表
- CREATE INDEX - 创建索引（搜索键）
- DROP INDEX - 删除索引
mysql.js
目的：使用 Node.js 来连接 MySQL，并对数据库进行操作。
var mysql = require("mysql");
var pool = mysql.createPool({
host: '127.0.0.1',
user: 'root',
password: 'root',
database: 'crawl'
});
var query = function(sql, sqlparam, callback) {
pool.getConnection(function(err, conn) {
if (err) {
callback(err, null, null);
} else {
conn.query(sql, sqlparam, function(qerr, vals, fields) {
conn.release(); //释放连接
callback(qerr, vals, fields); //事件驱动回调
});
}
});
};
var query_noparam = function(sql, callback) {
pool.getConnection(function(err, conn) {
if (err) {
callback(err, null, null);
} else {
conn.query(sql, function(qerr, vals, fields) {
conn.release(); //释放连接
callback(qerr, vals, fields); //事件驱动回调
});
}
});
};
exports.query = query;
exports.query_noparam = query_noparam;
crawler.js
目的：采集中国新闻网的数据并保存在mysql中
这里的重点是cheerio选择器和简单的正则表达式（之后每个网站都需要重新修改）。
这里梳理一下大致内容
jQuery DOM 选择器：和cheerio很类似，可以先学这个
var myElement = $("#id01"); //返回 id="intro" 的元素
var myElements = $("p"); //返回所有 <p> 元素
var myElements = $(".intro"); //返回 class="intro" 的所有元素
var myElements = $("p.intro"); //返回包含 class="intro" 的所有 <p> 元素的列表。
myElement.text("Hello China!"); //设置 HTML 元素的内部文本
var myText = myElement.text();//获取 HTML 元素的内部文本
var myElement.html("<p>Hello World</p>");//设置元素的 HTML 内容
var content = myElement.html();//获取元素的 HTML 内容
$("body").find("div").eq(2).addClass("blue");//通过为index为2的 div 添加适当的类，将其变为蓝色
cheerio的选择器
//example
<ul id="fruits">
<li class="apple">Apple</li>
<li class="orange">Orange</li>
<li class="pear">Pear</li>
</ul>
$('.apple', '#fruits').text()
//=> Apple
$('ul .pear').attr('class')
//=> pear
$('li[class=orange]').html()
//=> <li class = "orange">Orange</li>
//.attr(name, value) 获取和更改属性
$('ul').attr('id')
//=> fruits
$('.apple').attr('id', 'favorite').html()
//=> <li class = "apple" id = "favorite">Apple</li>
$('.pear').removeAttr('class').html() //移除名为name的属性
//=> <li>Pear</li>
$('.pear').hasClass('pear')//检查元素是否含有此类名
//=> true
$('apple').hasClass('fruit')
//=> false
$('li').hasClass('pear')
//=> true
$('.pear').addClass('fruit').html()//添加类名到所有的匹配元素，可以用函数作为参数
//=> <li class = "pear fruit">Pear</li>
$('.apple').addClass('fruit red').html()
//=> <li class = "apple fruit red">Apple</li>
//移除一个或者多个（空格分隔）的类名，如果className为空，则所有的类名都会被移除，可以传递函数作为参数
$('.pear').removeClass('pear').html()
//=> <li class = "">Pear</li>
$('.apple').addClass('red').removeClass().html()
//=> <li class = "">Apple</li>
正则表达式： 形如 /pattern/modifiers; 的表达式
//search() 返回位置，无返回-1
var str = "Visit W3School!";
var n = str.search("W3School"); // n=6
var str = "Visit W3School";
var n = str.search(/w3school/i); // n=6
//replace() 返回模式被替换处修改后的字符串
var str = "Visit Microsoft!";
var res = str.replace("Microsoft", "W3School"); //Visit W3School!
var str = "Visit Microsoft!";
var res = str.replace(/microsoft/i, "W3School"); //Visit W3School!
//test() 通过模式来搜索字符串，然后根据结果返回 true 或 false
var patt = /e/;
patt.test("The best things in life are free!"); // true
/e/.test("The best things in life are free!"); // true
//exec() 通过指定的模式（pattern）搜索字符串，并返回已找到的文本
/e/.exec("The best things in life are free!"); // e
| 修饰符 | 描述 |
|---|---|
| i | 执行对大小写不敏感的匹配。 |
| g | 执行全局匹配（查找所有匹配而非在找到第一个匹配后停止）。 |
| m | 执行多行匹配。 |
| 表达式 | 描述 |
|---|---|
| [abc] | 查找方括号之间的任何字符。 |
| [0-9] | 查找任何从 0 至 9 的数字。 |
| (x|y) | 查找由 | 分隔的任何选项。 |
| 元字符 | 描述 |
|---|---|
| \d | 查找数字。 |
| \s | 查找空白字符。 |
| \b | 匹配单词边界。 |
| \uxxxx | 查找以十六进制数 xxxx 规定的 Unicode 字符。 |
| 量词 | 描述 |
|---|---|
| n+ | 匹配任何包含至少一个 n 的字符串。 |
| n* | 匹配任何包含零个或多个 n 的字符串。 |
| n? | 匹配任何包含零个或一个 n 的字符串。 |
一些简单的转义字符：\. and / ，因为那两个符号都有其他用处。
网页编码
接着，一个蛮重要的问题是网页的编码。有些是GBK，有些是UTF-8。一个简单的方法就是直接在google的console中输入
document.charset
返回值就是网页的编码，这样就不需要在源码中找关于charset的信息。
一个失败的例子：网易新闻（新闻内容使用GBK显示的）
var source_name = "网易新闻";
var domain = 'https://news.163.com/';
var myEncoding = "GBK";
var seedURL = 'https://news.163.com/';
var seedURL_format = "$('a')";
var keywords_format = " $('meta[name=\"keywords\"]').eq(0).attr(\"content\")";
var title_format = " $('meta[property=\"og:title\"]').eq(0).attr(\"content\")";
var date_format = "('.post_time_source').text()"|"(#ptime).text()"|"('meta[property=\"article:published_time\"]').eq(0).attr(\"content\")";
var author_format =" $('meta[name=\"author\"]').eq(0).attr(\"content\")";
var content_format = "$('#endText').text()"|"$('.post_body').text()";
var desc_format = " $('meta[name=\"description\"]').eq(0).attr(\"content\")";
var source_format =" $('meta[property=\"og:url\"]').eq(0).attr(\"content\")";
var url_reg =/\/(\d{2})\/(\d{4})\/(\d{2})\/(\w{10,30}).html/;
var regExp = /((\d{4}|\d{2})(\-|\/|\.)\d{1,2}\3\d{1,2})|(\d{4}年\d{1,2}月\d{1,2}日)|(\d{4}\-\d{2}\-\d{2})/
这样的话关于爬虫中的字符串内容就差不多了！
注意：keywords,date,author等都是从对应新闻中找的
例子如下：
<meta name="author" content="chinanews" />
<meta name="copyright" content="www.chinanews.com,版权所有" />
<meta name="keywords" content="接种,新冠,疫苗接种,华盛顿邮报,纽约时报" />
<meta name="description" content="综合报道，鉴于美国已报告6例因接种强生疫苗，出现罕见严重血栓病例，美国卫生当局13日发表声明，建议暂停接种强生新冠疫苗。针对有关新冠疫苗供应量的担忧，当地时间13日，美国总统拜登回应称，现在全国的供应量已经足够给“每一个美国人”接种。" />
<div id="BaiduSpider" style="display:none">
<span id="pubtime_baidu">2021-04-14 08:34:37</span>
<span id="source_baidu">来源：<a href="http://www.chinanews.com./gj/2021/04-14/9454285.shtml" target="_blank">中国新闻网</a></span>
<span id="author_baidu">作者：李玉素</span>
<span id="editor_baidu">责任编辑：李玉素</span>
下面是crawl的代码：
var fs = require('fs');
var myRequest = require('request');
var myCheerio = require('cheerio');
var myIconv = require('iconv-lite');
require('date-utils');
var mysql = require('./mysql.js');
var source_name = "中国新闻网";
var domain = 'http://www.chinanews.com/';
var myEncoding = "utf-8";
var seedURL = 'http://www.chinanews.com/';
var seedURL_format = "$('a')";
var keywords_format = " $('meta[name=\"keywords\"]').eq(0).attr(\"content\")";
var title_format = "$('title').text()";
var date_format = "$('#pubtime_baidu').text()";
var author_format = "$('#editor_baidu').text()";
var content_format = "$('.left_zw').text()";
var desc_format = " $('meta[name=\"description\"]').eq(0).attr(\"content\")";
var source_format = "$('#source_baidu').text()";
var url_reg = /\/(\d{4})\/(\d{2})-(\d{2})\/(\d{7}).shtml/;
//因为标准新闻链接长这样：www.chinanews.com/gj/2021/04-12/9452760.shtml
var regExp = /((\d{4}|\d{2})(\-|\/|\.)\d{1,2}\3\d{1,2})|(\d{4}年\d{1,2}月\d{1,2}日)/
//防止网站屏蔽我们的爬虫
var headers = {
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_10_1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.65 Safari/537.36'
}
//request模块异步fetch url
function request(url, callback) {
var options = {
url: url,
encoding: null,
//proxy: 'http://x.x.x.x:8080',
headers: headers,
timeout: 10000 //
}
myRequest(options, callback)
};
seedget();
function seedget() {
request(seedURL, function(err, res, body) { //读取种子页面
// try {
//用iconv转换编码
var html = myIconv.decode(body, myEncoding);
//console.log(html);
//准备用cheerio解析html
var $ = myCheerio.load(html, { decodeEntities: true });
// } catch (e) { console.log('读种子页面并转码出错：' + e) };
var seedurl_news;
try {
seedurl_news = eval(seedURL_format);
} catch (e) { console.log('url列表所处的html块识别出错：' + e) };
seedurl_news.each(function(i, e) { //遍历种子页面里所有的a链接
var myURL = "";
try {
//得到具体新闻url
var href = "";
href = $(e).attr("href");
if (href == undefined) return;
if (href.toLowerCase().indexOf('http://') >= 0) myURL = href; //http://开头的
else if (href.startsWith('//')) myURL = 'http:' + href; 开头的
else myURL = seedURL.substr(0, seedURL.lastIndexOf('/') + 1) + href; //其他
} catch (e) { console.log('识别种子页面中的新闻链接出错：' + e) }
if (!url_reg.test(myURL)) return; //检验是否符合新闻url的正则表达式
//console.log(myURL);
var fetch_url_Sql = 'select url from fetches where url=?';
var fetch_url_Sql_Params = [myURL];
mysql.query(fetch_url_Sql, fetch_url_Sql_Params, function(qerr, vals, fields) {
if (vals.length > 0) {
console.log('URL duplicate!')
} else newsGet(myURL); //读取新闻页面
});
});
});
};
function newsGet(myURL) { //读取新闻页面
request(myURL, function(err, res, body) { //读取新闻页面
//try {
var html_news = myIconv.decode(body, myEncoding); //用iconv转换编码
//console.log(html_news);
//准备用cheerio解析html_news
var $ = myCheerio.load(html_news, { decodeEntities: true });
myhtml = html_news;
//} catch (e) { console.log('读新闻页面并转码出错：' + e);};
console.log("转码读取成功:" + myURL);
//动态执行format字符串，构建json对象准备写入文件或数据库
var fetch = {};
fetch.title = "";
fetch.content = "";
fetch.publish_date = (new Date()).toFormat("YYYY-MM-DD");
//fetch.html = myhtml;
fetch.url = myURL;
fetch.source_name = source_name;
fetch.source_encoding = myEncoding; //编码
fetch.crawltime = new Date();
if (keywords_format == "") fetch.keywords = source_name; // eval(keywords_format); //没有关键词就用sourcename
else fetch.keywords = eval(keywords_format);
if (title_format == "") fetch.title = ""
else fetch.title = eval(title_format); //标题
if (date_format != "") fetch.publish_date = eval(date_format); //刊登日期
console.log('date: ' + fetch.publish_date);
fetch.publish_date = regExp.exec(fetch.publish_date)[0];
fetch.publish_date = fetch.publish_date.replace('年', '-')
fetch.publish_date = fetch.publish_date.replace('月', '-')
fetch.publish_date = fetch.publish_date.replace('日', '')
fetch.publish_date = new Date(fetch.publish_date).toFormat("YYYY-MM-DD");
if (author_format == "") fetch.author = source_name; //eval(author_format); //作者
else fetch.author = eval(author_format);
if (content_format == "") fetch.content = "";
else fetch.content = eval(content_format).replace("\r\n" + fetch.author, ""); //内容,是否要去掉作者信息自行决定
if (source_format == "") fetch.source = fetch.source_name;
else fetch.source = eval(source_format).replace("\r\n", ""); //来源
if (desc_format == "") fetch.desc = fetch.title;
else fetch.desc = eval(desc_format).replace("\r\n", ""); //摘要
// var filename = source_name + "_" + (new Date()).toFormat("YYYY-MM-DD") +
// "_" + myURL.substr(myURL.lastIndexOf('/') + 1) + ".json";
// 存储json
// fs.writeFileSync(filename, JSON.stringify(fetch));
var fetchAddSql = 'INSERT INTO fetches(url,source_name,source_encoding,title,' +
'keywords,author,publish_date,crawltime,content) VALUES(?,?,?,?,?,?,?,?,?)';
var fetchAddSql_Params = [fetch.url, fetch.source_name, fetch.source_encoding,
fetch.title, fetch.keywords, fetch.author, fetch.publish_date,
fetch.crawltime.toFormat("YYYY-MM-DD HH24:MI:SS"), fetch.content
];
//执行sql，数据库中fetch表里的url属性是unique的，不会把重复的url内容写入数据库
mysql.query(fetchAddSql, fetchAddSql_Params, function(qerr, vals, fields) {
if (qerr) {
console.log(qerr);
}
}); //mysql写入
});
}
简单的前后端
<!DOCTYPE html>
<html>
<body>
<form action="http://127.0.0.1:8080/process_get" method="GET">
<br> 标题：<input type="text" name="title">
<input type="submit" value="Submit">
</form>
<script>
</script>
</body>
</html>
var express = require('express');
var mysql = require('./mysql.js')
var app = express();
//app.use(express.static('public'));
app.get('/7.03.html', function(req, res) {
res.sendFile(__dirname + "/" + "7.03.html");
})
app.get('/7.04.html', function(req, res) {
res.sendFile(__dirname + "/" + "7.04.html");
})
app.get('/process_get', function(req, res) {
res.writeHead(200, { 'Content-Type': 'text/html;charset=utf-8' }); //设置res编码为utf-8
//sql字符串和参数
var fetchSql = "select url,source_name,title,author,publish_date from fetches where title like '%" +
req.query.title + "%'";
mysql.query(fetchSql, function(err, result, fields) {
console.log(result);
res.end(JSON.stringify(result));
});
})
var server = app.listen(8080, function() {
console.log("访问地址为 http://127.0.0.1:8080/7.03.html")
})
用express构建网站访问mysql
-
拷贝mysql.js以访问数据库
-
修改index.html
var express = require('express'); var router = express.Router(); var mysql = require('../mysql.js'); /* GET home page. */ router.get('/', function(req, res, next) { res.render('index', { title: 'Express' }); }); router.get('/process_get', function(request, response) { //sql字符串和参数 var fetchSql = "select url,source_name,title,author,publish_date " + "from fetches where title like '%" + request.query.title + "%'"; mysql.query(fetchSql, function(err, result, fields) { response.writeHead(200, { "Content-Type": "application/json" }); response.write(JSON.stringify(result)); response.end(); }); }); module.exports = router; -
增加search.html
<!DOCTYPE html> <html> <header> <script src="https://cdn.bootcss.com/jquery/3.4.1/jquery.js"></script> </header> <body> <form> <br> 标题：<input type="text" name="title_text"> <input class="form-submit" type="button" value="查询"> </form> <div class="cardLayout" style="margin: 10px 0px"> <table width="100%" id="record2"></table> </div> <script> $(document).ready(function() { $("input:button").click(function() { $.get('/process_get?title=' + $("input:text").val(), function(data) { $("#record2").empty(); $("#record2").append('<tr class="cardLayout"><td>url</td><td>source_name</td>' + '<td>title</td><td>author</td><td>publish_date</td></tr>'); for (let list of data) { let table = '<tr class="cardLayout"><td>'; Object.values(list).forEach(element => { table += (element + '</td><td>'); }); $("#record2").append(table + '</td></tr>'); } }); }); }); </script> </body> </html>
启示和可修改之处
-
首先，要加入更多的新闻网站（便于搜索）这里的难点在于每一个对应的网站规则都不一样，因此要为每一个网站设计一套正则表达式来爬取时间标题等内容。正则表达式可以通过https://regex101.com/来进行学习，里面的测试题有一定的难度。
-
其次，仅仅表格展示未免有些丑陋，可以通过添加CSS来增加项目的观赏程度。（没有功能上的意义）这里不能套用前端的框架进行美化，因此只要适当进行调参即可。可以进行分页显示。
虽然米色有点简陋但蛮好看的（误） -
时间序列分析（其实可以理解成为按照时间或者重要性依次递减）我们可以采用按照时间递减的方式进行，这样比较方便。
项目展示
这里先展示关键代码：
新浪
var source_name = "新闻中心—新浪网";
var domain = 'https://news.sina.com.cn/';
var myEncoding = "utf-8";
// var seedURL = 'https://news.sina.com.cn/';
// var seedURL = 'https://news.sina.com.cn/world/';
var seedURL = 'https://news.sina.com.cn/china/';
var seedURL_format = "$('a')";
var keywords_format = " $('meta[name=\"keywords\"]').eq(0).attr(\"content\")";
var title_format = " $('meta[property=\"og:title\"]').eq(0).attr(\"content\")";
var date_format = " $('meta[property=\"article:published_time\"]').eq(0).attr(\"content\")";
var author_format = " $('meta[property=\"article:author\"]').eq(0).attr(\"content\")";
var content_format = "$('.article').text()";
var desc_format = " $('meta[property=\"og:description\"]').eq(0).attr(\"content\")";
var source_format = " $('meta[property=\"og:url\"]').eq(0).attr(\"content\")";
var url_reg = /news.sina.com.cn\/.\/(\d{4})-(\d{2})-(\d{2})\/doc-[a-z0-9]{10,}.shtml/;
var regExp = /(\d{4})-(\d{2})-(\d{2})/
搜狐
var source_name = "搜狐网新闻";
var domain = 'http://news.sohu.com/';
var myEncoding = "utf-8";
// var seedURL = 'https://learning.sohu.com/?spm=smpc.ch25.search.1.1618716258248gsyC4Ut'; // edu
// var seedURL = 'https://it.sohu.com/?spm=smpc.ch23.header.9.1618716421360hhQRwQj'; // tech
var seedURL = 'https://business.sohu.com/';
var seedURL_format = "$('a')";
var keywords_format = " $('meta[name=\"keywords\"]').eq(0).attr(\"content\")";
var title_format = " $('meta[property=\"og:title\"]').eq(0).attr(\"content\")";
var date_format = " $('meta[property=\"og:release_date\"]').eq(0).attr(\"content\")"|" $('meta[itemprop=\"datePublished\"]').eq(0).attr(\"content\")";
var author_format = " $('meta[name=\"mediaid\"]').eq(0).attr(\"content\")";
var content_format = "$('.article').text()";
var desc_format = " $('meta[property=\"og:description\"]').eq(0).attr(\"content\")"|" $('meta[name=\"description\"]').eq(0).attr(\"content\")";
var source_format = " $('meta[property=\"og:url\"]').eq(0).attr(\"content\")";
var url_reg = /sohu.com\/a\/.{20,}/;
var regExp = /(\d{4})-(\d{2})-(\d{2})/
搜索页面
<!DOCTYPE html>
<html>
<header>
<script src="https://cdn.bootcss.com/jquery/3.4.1/jquery.js"></script>
<style>
h1
{
color:rosybrown;
text-align: center;
}
body
{
background-color:whitesmoke;
margin:0px;
}
form
{
text-align: center;
}
form input.search
{
width: 400px;
height: 25px;
}
form input.form-submit
{
height: 25px;
font-size: 18px;
background-color: royalblue;
color:white;
}
table
{
border-collapse: collapse;
margin: 30px 0px 120px;
}
table td, table th
{
border: 1px solid #cad9ea;
color: #666;
height: 30px;
}
table th
{
background-color: #CCE8EB;
width: 100px;
}
table tr:nth-child(odd)
{
background: #fff;
}
table tr:nth-child(even)
{
background: #F5FAFA;
}
footer
{
background-color:gray;
color:white;
height :100px;
width:100%;
text-align: center;
position:sticky;
bottom:0;
}
</style>
</header>
<body>
<h1>小型网页文字爬虫</h1>
<form>
<br> <input type="text" name="title_text" class="search">
<input class="form1" type="checkbox" >title
<input class="form2" type="checkbox">keywords
<input class="form3" type="checkbox">content
<input class="form-submit" type="button" value="search">
</form>
<div class="cardLayout" style="margin: 0 auto">
<table width="100%" id="record2"></table>
</div>
<script>
$(document).ready(function() {
$("input:button").click(function() {
var title=$('input.form1').is(":checked");
var keywords=$('input.form2').is(":checked");
var content=$('input.form3').is(":checked");
if (title.valueOf()==false && keywords.valueOf()==false && content.valueOf()==false)
{
alert("请至少选择一项作为搜索范围~");
return;
}
var words=$('input.search').val();
$.get('/process_get?title='+ title +'&keywords='+keywords+'&content='+content+ '&words='+words, function(data) {
$("#record2").empty();
$("#record2").append('<tr class="cardLayout"><td>URL</td><td>数据来源</td>' +
'<td>新闻标题</td><td>作者</td><td>发布日期</td></tr>');
for (let list of data) {
let table = '<tr class="cardLayout"><td>';
Object.values(list).forEach(element => {
table += (element + '</td><td>');
});
$("#record2").append(table + '</td></tr>');
}
});
});
});
</script>
<footer class="color-F00">
<br>web编程期中项目展示，若有问题请及时联系我。 thank you for your support :)<br><br>
<address>联系邮箱：377206338@qq.com / 10195501437@stu.ecnu.edu.cn</address>
</footer>
</body>
</html>
后端
var express = require('express');
var router = express.Router();
var mysql = require('../mysql.js');
/* GET home page. */
router.get('/', function(req, res, next) {
res.render('index', { title: 'Express' });
});
router.get('/process_get', function(request, response) {
//sql字符串和参数
var fetchSql = "select url,source_name,title,author,publish_date from fetches where";
var conc=false;
if (request.query.title=="true"){
if (!conc){
conc=true;
}
else fetchSql+=" or"
fetchSql+=" title like '%"+request.query.words + "%'";
}
if (request.query.keywords=="true"){
if (!conc){
conc=true;
}
else fetchSql+=" or"
fetchSql+=" keywords like '%"+request.query.words + "%'";
}
if (request.query.content=="true"){
if (!conc){
conc=true;
}
else fetchSql+=" or"
fetchSql+=" content like '%"+request.query.words + "%'";
}
fetchSql+=" order by publish_date DESC";
fetchSql+=";";
mysql.query(fetchSql, function(err, result, fields) {
response.writeHead(200, {
"Content-Type": "application/json"
});
response.write(JSON.stringify(result));
response.end();
});
});
module.exports = router;
网页展示
搜索界面
一些搜索展示
项目总结
完成了爬虫的一般内容，并且稍微修改了网站的样貌，使其变得现代一点。
这里的数据是放在SQL里的，因此把项目打包之后需要自己手动爬数据。
有很多内容其实还一知半解，比如node.js里面的各种操作，express框架原理等等，但之后一定会去补坑的。
在项目开始之前仅仅有最基本的html能力，CSS当时还不知道，更别提JS了：），现在至少了解了最基本的网站制作和爬虫。
十分感谢老师的例子和助教的答疑，让基础薄弱的我能够在短短两周写完一个小型的网站。
要忙其他事了，这个项目在之后会有升级（期末大作业），看到这的人应该不多了吧（误）。如果你是其中的一位的话，谢谢你们的支持！
内容总结
以上是互联网集市为您收集整理的小型新闻爬虫查询网站全部内容，希望文章能够帮你解决小型新闻爬虫查询网站所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。
来源：【匿名】