web-dev-qa-db-ja.com

node.jsを使用して動的コンテンツを含むページをスクレイピングするにはどうすればよいですか？

website をスクレイピングしようとしていますが、これらの要素は動的に作成されるため、一部の要素は取得できません。

Node.jsでcheerioを使用します。コードは以下のとおりです。

var request = require('request');
var cheerio = require('cheerio');
var url = "http://www.bdtong.co.kr/index.php?c_category=C02";

request(url, function (err, res, html) {
    var $ = cheerio.load(html);
    $('.listMain > li').each(function () {
        console.log($(this).find('a').attr('href'));
    });
});

ページがロードされると、<ul id="store_list" class="listMain">は空です。

コンテンツはまだ追加されていません。

Node.jsを使用してこれらの要素を取得するにはどうすればよいですか？動的コンテンツを含むページをスクレイピングするにはどうすればよいですか？

javascriptnode.jsweb-crawlerphantomjs
21
JayD

どうぞ;

var phantom = require('phantom');

phantom.create(function (ph) {
  ph.createPage(function (page) {
    var url = "http://www.bdtong.co.kr/index.php?c_category=C02";
    page.open(url, function() {
      page.includeJs("http://ajax.googleapis.com/ajax/libs/jquery/1.6.1/jquery.min.js", function() {
        page.evaluate(function() {
          $('.listMain > li').each(function () {
            console.log($(this).find('a').attr('href'));
          });
        }, function(){
          ph.exit()
        });
      });
    });
  });
});
22
Safi

チェックアウト GoogleChrome/puppeteer

ヘッドレスChrome Node API

スクレイピングが非常に簡単になります。次の例では、 npmjs.com （.npm-expansions残り）

const puppeteer = require('puppeteer');

(async () => {
  const browser = await puppeteer.launch();
  const page = await browser.newPage();

  await page.goto('https://www.npmjs.com/');

  const textContent = await page.evaluate(() => {
    return document.querySelector('.npm-expansions').textContent
  });

  console.log(textContent); /* No Problem Mate */

  browser.close();
})();

evaluate は、ページ上でスクリプトを実行するため、動的要素の検査を許可します。

13
scniro

新しいnpmモジュール x-ray を使用し、プラグ可能なWebドライバー x-ray-phantom を使用します。

上記のページの例ですが、動的スクレイピングの方法は次のとおりです。

var phantom = require('x-ray-phantom');
var Xray = require('x-ray');

var x = Xray()
  .driver(phantom());

x('http://google.com', 'title')(function(err, str) {
  if (err) return done(err);
  assert.equal('Google', str);
  done();
})
12
Keng