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，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 = /
    
     (?:\s.*?)*board-index.*?>(\d+)<\/i>(?:\s.*?)*data-src="(.*?)"(?:\s.*?)*name">
     
      (.*?)<\/a><\/p>\s*?
      
\s*?(.*?)\s*?<\/p>(?:\s.*?)*releasetime">(.*?)<\/p>(?:\s.*?)*integer">(.*?)<\/i>.*?fraction">(.*?)<\/i>/g
     
    

• [x] 6.4

// 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

  这里主要介绍的就是 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

  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 和 ，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