一步一步搭建react應(yīng)用-爬取豆瓣電影的電影信息

Bamboy 發(fā)布于2019-06-26 17:23 / 857人閱讀

摘要：一步一步構(gòu)建一個(gè)應(yīng)用開(kāi)篇地址自己寫(xiě)表單錄入電影信息比較費(fèi)勁，所以選擇爬取豆瓣電影的信息主要爬取電影的封面主演年份產(chǎn)地簡(jiǎn)介等信息。

[一步一步構(gòu)建一個(gè)react應(yīng)用-開(kāi)篇](https://segmentfault.com/a/11...

git地址

自己寫(xiě)表單錄入電影信息比較費(fèi)勁，所以選擇爬取豆瓣電影的信息主要爬取電影的封面、主演、年份、產(chǎn)地、簡(jiǎn)介等信息。前端有個(gè)輸入框,輸入電影名然后去爬取電影信息錄入到MongoDB中

分析

打開(kāi)豆瓣電影，搜索千與千尋

通過(guò)分析，發(fā)現(xiàn)

搜索后的列表是通過(guò)
https://movie.douban.com/subj...這個(gè)請(qǐng)求獲取的

要搜的電影一般都是列表的第一條，有時(shí)搜出來(lái)的第一條是明星的信息

需要的電影有一個(gè)url，指向這條電影的詳情，而我們想要的信息就在詳情接口里

PS(比較有意思的是最開(kāi)始我爬取的時(shí)候，想要的信息就在這個(gè)接口的響應(yīng)中，從響應(yīng)里面提取出來(lái)就行，但后來(lái)我發(fā)現(xiàn)響應(yīng)里沒(méi)有了，豆瓣電影里的搜索后的列表信息變成了js動(dòng)態(tài)渲染出來(lái)的，所有的信息在響應(yīng)的window_data中存放，所以又把代碼修改了下，使用phantom來(lái)渲染爬取到的頁(yè)面)

所有大體邏輯就是通過(guò)接口A(yíng)獲取一個(gè)電影列表，從列表中提取出我們需要的電影詳情的url B,爬取B接口,獲取詳情，從詳情中提取信息

工具

phantom 通過(guò)plantom渲染爬取的頁(yè)面，頁(yè)面中的js代碼也會(huì)相應(yīng)的執(zhí)行

cheerio 服務(wù)端的一個(gè)實(shí)現(xiàn)jquery功能的庫(kù)，可以方便的獲取響應(yīng)中的html中我們要的信息

爬取

項(xiàng)目接口 /api/reptile/:name

代碼

var express = require("express");
var router = express.Router();
const CONFIG = require("../config/config")
const cheerio = require("cheerio")
const rq = require("request-promise")
var phantom = require("phantom");


function getMovieSubjectUrl(name) {
  var _ph, _page, _outObj;
  return phantom.create().then(ph => {
    _ph = ph;
    return _ph.createPage();
  }).then(page => {
    _page = page;
    return _page.open("https://movie.douban.com/subject_search?search_text=" + encodeURIComponent(name));
  }).then(status => {
    return _page.property("content")
  }).then(content => {
    _page.close();
    _ph.exit();
    return content
  }).catch(e => console.log(e));
}

function getMovieDetail(href, res, next) {
  rq(href).then(str => {
    const $ = cheerio.load(str)
    const data = fillData($)
    res.json({
      code: CONFIG.ERR_OK,
      data
    })
  })
}


function fillData($) {
  const movie = {
    thumb: "",
    actors: "",
    type: "",
    time: "",
    instruct: ""
  }
  /**
   * 為方便提取數(shù)據(jù),換行標(biāo)簽替換
   */
  let info_html = $("#info").html().replace(/
/g, "**")
  let txt = cheerio.load(info_html).text()
  txt = txt.replace(/s+/g, "").split("**")
  movie.thumb = $("#mainpic img").attr("src")
  movie.instruct = $("#link-report").find("span[property]").text()
  movie.actors = txt[2].split(":")[1].split("/")
  movie.type = txt[3].split(":")[1].split("/")
  movie.time = txt[6].split(":")[1]
  return movie
}


router.get("/:name", function (req, res, next) {
  getMovieSubjectUrl(req.params.name).then(str => {
    const $ = cheerio.load(str)
    let detail = $(".detail")
    if (detail.length) {
      let a
      if (detail.eq(0).has(".rating_nums").length) {
        a = detail.eq(0).find(".title a")
      } else {
        a = detail.eq(1).find(".title a")
      }
      getMovieDetail(a.attr("href"), res, next)
    } else {
      next(10001)
    }
  });

})
module.exports = router;

前端

reptile.jsx

import React from "react";
import {
    Button,
    Switch
} from "antd-mobile"
import cloneDeep from "lodash/cloneDeep"
import Util from "../util/Util.js"
import MovieInfo from "./movieInfo"
import DownForm from "./download-form"

export default class Reptile extends React.Component {
    constructor(props) {
        super(props)
        this.state = {
            m_name: "",
            m_info: null,
        }
        this.reptile = this.reptile.bind(this)
    }

    /**
     * 爬取數(shù)據(jù)
     */
    reptile() {
        if (!this.state.m_name) {
            return
        }
        Util.fetch("/api/reptile/" + this.state.m_name).then(data => {
            if (data.code) {
                Util.Toast.info(data.message)
                return
            }
            this.setState({
                m_info: data.data,
            })
        })
    }

    render() {
        return (
            
                
                     {
                        this.setState({
                            m_name: e.target.value
                        })
                    }} />
                    
                
            
        )
    }

}