node 爬虫 --- 将爬取到的数据，保存到 mysql 数据库中

步骤一：安装必要模块

（1）cheerio模块 ，一个类似jQuery的选择器模块，分析HTML利器。

（2）request模块，让http请求变的更加简单

（3）mysql模块，node连接mysql的模块

npm i cheerio request mysql -D

步骤二：分析爬取网址的内容

目标URL：

http://zzk.cnblogs.com/s/blogpost?Keywords=%E6%B8%B8%E6%88%8F，游戏其实被编码成了%E6%B8%B8%E6%88%8F

分析：

var url = 'http://zzk.cnblogs.com/s/blogpost?Keywords=' + key + '&pageindex=' + page;

如果key是中文，是会抓取不到任何数据，用JS函数url = encodeURI(url);转换一下就好。

用"pageindex="出现的位置加上本身长度即得到页数

page = nextUrl.slice(nextUrl.indexOf('pageindex=') + 10);

indexof是返回子串在母串的第一个位置，没有则-1，区分大小写

步骤三：创建数据表

（1）启动 mysql

mysql -uroot -p123456

root是mysql用户名，123456是密码

（2）创建 database 数据库

create database spider_data;

（3）查看 所有的 database 数据库

show databases;

（4）进入 数据库

use spider_data;

（5）创建 table 表单

create table blog(
   id INT(4) NOT NULL AUTO_INCREMENT PRIMARY KEY,
   title VARCHAR(100) NOT NULL,
   href VARCHAR(100) NOT NULL,
   author VARCHAR(100) NOT NULL,
   time DATE,
   view INT(5) NOT NULL
);

MySQL数据类型包括：整型、浮点型、日期类型、字符型，这里用表格的方式详细说明每个数据类型，这些只要记住常用的即可，需要再查阅。

整型

数据类型	存储范围	字节
TINYINT	有符号值：-128 到 127（-2727到2727） 无符号值：0到255（0到2828）	1
SMALLINT	有符号值：-32768 到 32767（-215到215215到215） 无符号值：0到65535（0到216216-1）	2
MEDIUMINT	有符号值：-8388608 到 8388607（-223到223223到223） 无符号值：0到16777215（0到224224）	3
INT	有符号值：-231到231231到231 无符号值：0到232到232-1	4
BIGINT	有符号值：-263到263263到263 无符号值：0到264到264-1	8

浮点型

数据类型	精度
FLOAT[(M,D)]	小数点后6-7位（常用）
DOUBLE[(M,D)]	小数点后14-15位

日期时间类型

日期类型	存储空间（字节）	日期格式	范围
datetime	8	YYYY-MM-DD HH:MM:SS	1000-01-01 00:00:00 ~ 9999-12-31 23:59:59
timestamp	4	YYYY-MM-DD HH:MM:SS	1970-01-01 00:00:01 ~ 2038
date	3	YYYY-MM-DD	1000-01-01 ~ 9999-12-31
year	1	YYYY	1901~2155
time	2	HH:MM:SS	-838:59:59 ~ 838:59:59

字符型

列类型	说明
CHAR(M)	M个字节，0<=M<=255，固定长度
VARCHAR(M)	L+1个字节，其中L<M且0<M<65535，可以小于定于长度M
TINYTEXT	L+1个字节，其中L<2828
TEXT	L+2个字节，其中L<216216
MEDIUMTEXT	L+3个字节，其中L<224224
LONGTEXT	L+4个字节，其中L<232232
ENUM('value1','value2')	枚举，1或2个字节，取决于枚举的个数（最多216216-1个值）
SET('value1','value2')	集合，1,2,3,4,8个字节，取决于成员个数

（6）查看 当前数据库下的 数据表

show tables;

（7）查看表结构

desc blog;

步骤四：代码

/**
 * 将node爬取到的数据,保存到mysql数据库中
 */
var request = require('request');
var cheerio = require('cheerio');
var mysql = require('mysql');
// 创建数据库连接
var db = mysql.createConnection({
  host:     '127.0.0.1',
  user:     'root',
  password: '123456',
  database: 'spider_data'
});
db.connect();

// 请求数据
function fetchData(key, page) {
  var url = 'http://zzk.cnblogs.com/s/blogpost?Keywords=' + key + '&pageindex=' + page;
  //用JS的全局对象函数，作为URI编码，不然中文，空格等抓取不到
  url = encodeURI(url);
  request(url, function(err, res) {
    if (err) return console.log(err);
    var $ = cheerio.load(res.body.toString());
    var arr = [];
    //解析HTML代码
    $('.searchItem').each(function() {
      var title = $(this).find('.searchItemTitle');
      var author = $(this).find('.searchItemInfo-userName a');
      var time = $(this).find('.searchItemInfo-publishDate');
      var view = $(this).find('.searchItemInfo-views');
      var info = {
        title: $(title).find('a').text(),
        href: $(title).find('a').attr('href'),
        author: $(author).text(),
        time: $(time).text(),
        view: $(view).text().replace(/[^0-9]/ig, '')
      };
      arr.push(info);
      //打印
      console.log('~~~~~~~~~~~~~~~~~~~~~~~ 输出开始 ~~~~~~~~~~~~~~~~~~~~~~~');
      console.log(info);
      console.log('~~~~~~~~~~~~~~~~~~~~~~~ 输出结束 ~~~~~~~~~~~~~~~~~~~~~~~');
      //保存数据
      db.query('insert into blog set ?', info, function(err, result) {
        if (err) throw err;
        if (!!result) {
          console.log('插入成功');
          console.log(result.insertId);
        } else {
          console.log('插入失败');
        }
      });
    });

    //下一页
    var nextA = $('.pager a').last(),
        nextUrl = '';
    if ($(nextA).text().indexOf('Next') != -1) {
      nextUrl = nextA.attr('href');
      page = nextUrl.slice(nextUrl.indexOf('pageindex=') + 10);//"pageindex="出现的位置加上本身长度得到页数
      setTimeout(function() {
        fetchData(key, page);
      }, 2000);
    } else {
      db.end();
      console.log('结束，爬取完所有数据');
    }
  });
}

// 调用
fetchData('游戏开发', 1);

.