如何使用 Cheerio 从图表中抓取数据？

Question

我正在尝试从聊天中抓取数据，但我不知道如何在 NodeJs 中使用 Cheerio 来做到这一点

我需要获取消息列表的所有昵称（msg-nickname）：

到目前为止我有：

server.js

var express = require('express');
var fs = require('fs');
var request = require('request');
var cheerio = require('cheerio');
var app     = express();

app.get('/scrape', function(req, res){

url = 'https://www.nimo.tv/live/6865137196';

request(url, function(error, response, html){
    if(!error){
        var $ = cheerio.load(html);

    var nickname, msg;
    var json = { nickname : "", msg : ""};
    const messages = [];

    $('.msg-nickname',).each(function(i, elem){
        console.log(elem);
        messages[i] = elem.parent.children.text();
    })

    console.log($('#chat-room__list').children('msg-wrap').text)

    
}

app.listen('8081') 
console.log('Magic happens on port 8081'); 
exports = module.exports = app;

而且每次您在列表中有新项目时，我还需要更新以检查和更新列表。

Answer 1

问题在于代码.msg-nickname 的那部分是在客户端生成的。所以如果你想抓取它，你需要知道数据来自哪个请求，然后执行那个请求。

cheerio 只能解析请求响应中的内容。

另一种选择是使用puppeteer，这将允许您等待页面完全加载，包括服务器端渲染、ajax 请求...

const puppeteer = require('puppeteer');

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

        const page = await browser.newPage();

        await page.goto(url);

        // waitForSelector can be added, depending on your needs
        // but if there isn't any user, it will wait until it timesout
        // which may not be desired
        // await page.waitForSelector('.msg-nickname');

        const messages = await page.evaluate(() => {
                return Array.from(document.querySelectorAll('.msg-nickname'))
                        .map(item => item.innerText);
        });

        console.log(messages);
})();

根据昵称的加载方式，您可能需要连接到page.on('response')，或更改脚本的逻辑，但我将其留给您。