javascript - nodejs抓取网页的问题

问题描述

我准备抓用nodejs抓取下面这个网站的所有新闻, 按照一般的思路,是首先取得每页新闻的URL,然后取得每个新闻的URL按照使用request把每个网址的内容取下来就OK了.

但是下面的这个网址的所有分页信息, 还有每个新闻点击进去URL都没有任何变化, 貌似都是在后台通过js实现的.用chrome的F12的newwork的tab也查看不到有什么请求,有哪位大神能指导一下我怎么来抓取吗?

http://www.xxxxxxxxx.com/glob...

问题解答

1.从上一篇与下一篇的地方可以看到，click绑定的函数：boardView(1);

2.通过boadrview在页面中找到对应的函数：

function boardView(idx){ var listNum = 10; // 목록 수 지정 var resultLenplistNum = Math.floor(idx/listNum); // 결과 나누기 목록수 var resultLenRestlistNum = Math.floor(idx%listNum); // 결과 나머지 목록수 if (resultLenRestlistNum == 0){ pageNum = resultLenplistNum; } else { pageNum = resultLenplistNum + 1; } cmsView.style.display = ’block’; cmsList.style.display = ’none’; resultViewStr = ’<p class='news_view'><p class='news_hd'>’; resultViewStr = resultViewStr + ’<strong>’+list.artCatTitles[resultSearch[idx]] +’</strong>’; resultViewStr = resultViewStr + ’<p>’+list.artTitles[resultSearch[idx]]+’</p>’; resultViewStr = resultViewStr + ’<span>’+list.artTimes[resultSearch[idx]]+’</span></p>’; resultViewStr = resultViewStr + ’<p class='news_bd'>’+list.artTexts[resultSearch[idx]]; resultViewStr = resultViewStr + list.artFiles[resultSearch[idx]]+’</p>’; resultViewStr = resultViewStr + ’<p class='news_link'><ul>’; resultViewStr = resultViewStr + ’<li><strong><span></span>’;

.........

3.看到数据来自于list这个变量，再寻找list

4.在1739行看到：

var artId = '';var catId = 'se14_24';var tplId = '';list = new jsList();list.cmsInit(catId, artId, tplId, new data()); // list 객체 생성

5.调用了一个构造函数：jsList()找到相应的代码在这里：http://www.samsungsem.com/js/...

6 看回第2步的代码：list.artTitles-->这些数据是通过jsList的cmsInit方法设置的，而cmsInit中：

function cmsInit(catId, artId, tplId, data) { this.artIds = data.artIds; this.artCatTitles = data.artCatTitles; this.artTitles = data.artTitles; this.artUrls = data.artUrls; this.artTimes = data.artTimes; this.artImgs = data.artImgs; this.artTexts = data.artTexts; this.artTexts2 = data.artTexts2; this.artKeywords = data.artKeywords; this.artFiles = data.artFiles;

...的数据来自第四个参数data

7.再看第4步的传的data是new data()于是，我们找到data这个函数定义的地方。往上找，找到了：<script src='https://www.haobala.com/global/news/data.js.jsp'></script>

8.打开后看一下：http://www.samsungsem.com/glo... 好奇怪的感觉，怎么样式那么奇怪？

再右键查看源代码：view-source:http://www.samsungsem.com/glo...可以看到data函数是在这里定义的，而你看到的数据也在这个页面里。

多谢回答,我先去看看去.....

基本看明白了,还有一点不是很懂的地方再慢慢去看,多谢了..