0

我需要从谷歌搜索结果中抓取一些只显示在浏览器中的内容（我怀疑是在启用 Javascript 时）——特别是他们的知识图“人们也在搜索”内容。

我使用request和的组合cheerio来抓取，并且已经设法从.com域中强制加载结果，但是，知识库框没有出现在body我的结果中，可能是因为它是 javascript 生成的内容。

有人知道是否有我可以添加的设置或我可以使用的其他库吗？

下面是我的代码。谢谢！

var request = require('request');
var cheerio = require("cheerio");

request = request.defaults({jar: true});

var options = {
    url: 'http://www.google.com/ncr',
    headers: {
        'User-Agent': 'Mozilla/5.0 (Macintosh; U; Intel Mac OS X 10.6; rv:1.9.2.16) Gecko/20110319 Firefox/3.6.16'
    }
};

request(options, function () {

    request('https://www.google.com/search?gws_rd=ssl&site=&source=hp&q=google&oq=google', function (error, response, body) {

        var $ = cheerio.load(body);

        $("li").each(function() {
            var link = $(this);
            var text = link.text();

            console.log(text);
        });
    });
});
4

1 回答 1

2

您不能使用节点的请求，因为您只是在下载静态内容。为了呈现 JavaScript，您必须使用浏览器。幸运的是，有专门用于此目的的无头浏览器。我建议PhantomJS。

于 2015-01-02T02:46:49.303 回答