node.js 抓取网页内容（针对微信小程序云开发）

最近在研究微信小程序的云开发功能。云开发最大的好处就是不需要前端搭建服务器，可以使用云端能力，从零开始写出来一个能上线的微信小程序，避免了买服务器的开销，对于个人来尝试练手微信小程序从前端到后台的开发，还是一个不错的选择。可以做到一天就能上线一个微信小程序。

云开发的优点

云开发为开发者提供完整的云端支持，弱化后端和运维概念，无需搭建服务器，使用平台提供的 API 进行核心业务开发，即可实现快速上线和迭代，同时这一能力，同开发者已经使用的云服务相互兼容，并不互斥。

云开发目前提供三大基础能力支持：

1. 云函数：在云端运行的代码，微信私有协议天然鉴权，开发者只需编写自身业务逻辑代码
2. 数据库：一个既可在小程序前端操作，也能在云函数中读写的 JSON 数据库
3. 存储：在小程序前端直接上传/下载云端文件，在云开发控制台可视化管理

好了，介绍了这么多关于云开发的知识，感性的同学可以去研究研究。官方文档地址：https://developers.weixin.qq.com/miniprogram/dev/wxcloud/basis/getting-started.html

网页内容抓取

小程序是关于答题的，所以题目的来源是一个问题。上网搜，一个题目一个题目粘贴是一种方法，但是这样的重复工作，估计粘个10左右就想放弃了。所以想到了网页抓取。正好把之前学的node捡起来。

必备工具：

1. Cheerio。一个类似于服务器端JQuery的包。主要用它来分析和过滤抓取来的内容。
2. node的fs模块。这个是node自带的模块，用来读写文件的。此处用来将解析好的数据写入json文件。
3. Axios（非必须）。用来抓取网站的HTML网页。因为我要的数据是从网页上点击一个button后获取渲染的，所以直接访问这个网址是抓取不到的。无奈只能将想要的内容复制出来，存成字符串，去解析这个字符串。

接下来就可以用npm init来初始化一个node项目，一路回车后，即可生成一个package.json文件。
然后npm install --save axios cheerio安装cheerio和axios包。

关键的是用cheerio来实现一个类似jquery的功能。只需将抓取到的内容cheerio.load(quesitons)一下即可，之后就可以按照jquery的操作取dom，组装你想要的数据了。

最后用fs.writeFile将数据保存到json文件中，大功告成。

具体代码如下：

let axios = require("axios");

let cheerio = require("cheerio");

let fs = require("fs");

// 我的html结构大致如下，有很多条数据
const questions = `<li id="q1" style="display: list-item;">
      <div class="questionWrapper">
        <div class="question">举头望明月，__________。</div>
        <div class="answer" value="0">
          回首白云低
        </div>
        <div class="answer" value="1">
          低头思故乡
        </div>
        <div class="answer" value="0">
          当春乃发生
        </div>
        <div class="answer" value="0">
          红掌拨清波
        </div>
      </div>
    </li>
    <li id="q2">
      <div class="questionWrapper">
        <div class="question">__________，却话巴山夜雨时。</div>
        <div class="answer" value="1">
          何当共剪西窗烛
        </div>
        <div class="answer" value="0">
          在天愿做比翼鸟
        </div>
        <div class="answer" value="0">
          世味年来薄似纱
        </div>
        <div class="answer" value="0">
          两岸青山相对出
        </div>
      </div>
    </li>
    ..........
    `;
    
const $ = cheerio.load(quesitons);

var arr = [];

for (var i = 0; i < 300; i++) {
   var obj = {};
   obj.quesitons = $("#q" + i).find(".question").text();
   obj.A = $($("#q" + i).find(".answer")[0]).text();
   obj.B = $($("#q" + i).find(".answer")[1]).text();
   obj.C = $($("#q" + i).find(".answer")[2]).text();
   obj.D = $($("#q" + i).find(".answer")[3]).text();
   obj.index = i + 1;
   obj.answer =
     $($("#q" + i).find(".answer")[0]).attr("value") == 1
       ? "A"
       : $($("#q" + i).find(".answer")[1]).attr("value") == 1
         ? "B"
         : $($("#q" + i).find(".answer")[2]).attr("value") == 1
           ? "C"
           : "D";
   arr.push(obj);
}

fs.writeFile("poem.json", JSON.stringify(arr), err => {
   if (err) throw err;
   console.log("json文件已成功保存！");
});

保存到json后的文件格式如下，这样就可以通过json文件上传到云端服务器了。

3D4E9FFB-161E-410B-A8D5-CE7B49402FAE.png

注意事项

微信小程序云开发的数据库，上传json文件的数据格式需要注意一下，之前一直提示格式错误，后来才发现，JSON 数据不是数组，而是类似 JSON Lines，即各个记录对象之间使用 \n 分隔，而非逗号。所以还需要对node写出来的json文件做一个小处理之后才能上传成功。