用到三个依赖包：express,superagent,cheerio
superagent(http://visionmedia.github.io/superagent/ ) 是个 http 方面的库，可以发起 get 或 post 请求。
cheerio(https://github.com/cheeriojs/cheerio ) 大家可以理解成一个 Node.js 版的 jquery，用来从网页中以 css selector 取数据，使用方式跟 jquery 一样一样的。
依赖包：superagent安装不上，可以更换国内镜像，如下：
sudo npm install superagent --registry=http://registry.cnpmjs.org
app.js代码如下：
//引入依赖
var express = require(‘express‘);
var cheerio = require(‘cheerio‘);
var superagent = require(‘superagent‘);
//建立express实例
var app = express();
app.get(‘/‘, function (req, res, next) {
// 用 superagent 去抓取 https://cnodejs.org/ 的内容
superagent.get(‘https://cnodejs.org/‘)
.end(function (err, sres) {
// 常规的错误处理
if (err) {
return next(err);
}
// sres.text 里面存储着网页的 html 内容，将它传给 cheerio.load 之后
// 就可以得到一个实现了 jquery 接口的变量，我们习惯性地将它命名为 `$`
// 剩下就都是 jquery 的内容了
var $ = cheerio.load(sres.text);
var items = [];
$(‘#topic_list .topic_title‘).each(function (idx, element) {
var $element = $(element);
items.push({
title: $element.attr(‘title‘),
href: $element.attr(‘href‘)
});
});
res.send(items);
});
});
app.listen(3000, function (req, res) {
console.log(‘app is running at port 3000‘);
});
最后运行：node app.js
结果如下：
使用 superagent 与 cheerio 完成简单爬虫
原文：http://my.oschina.net/gabriel1215/blog/357022