我们可以经常见到一些后端语言的爬虫，既然Node已经使JS脱离浏览器了，何不用Node来写个爬虫呢？
实现爬取数据功能
要实现简单的爬虫，我们需要引入node的http模块，使用对应的get方法。我们以爬取百度首页为例子，实现如下：
var http = require('http');
var req = http.get('http://www.baidu.com',function(res) {
var html = '';
res.on('data',function(chunk) {
html += chunk;
});
res.on('end',function() {
console.log(html);
});
});此时，用node命令运行js文件，我们可以在命令提示符中看到一连串的代码，其实这是百度首页的代码。这样的话，一个很简单的爬取数据的功能就实现了。
解析数据
我们虽然可以爬取到数据了，但是由于各种有用的、无用的数据杂合在一起，很不容易分析。所以我们现在要解析数据，活得我们真正感兴趣的内容。
首先，我们通过npm安装cheerio（cheerio是node的抓取页面的模块，由于他包括了 jQuery 核心的子集，用法十分的简单，可以像jQuery一样操作DOM），
npm install cheerio --save
res.on('end',function() {
$ = cheerio.load(html); // 将HTML DOM传给cheerio
console.log($('#lg > img').attr('src'));
});
这样的话，我们可以得到百度首页上，id是lg、img子元素的src路径。实际上，这是百度首页的log的路径。是不是发现，cheerio很容易使用呢。
下载资源
我们可以从爬取的数据中解析出img的路径，那么下载就不成问题了吧？为了进行写操作，我们引入了fs模块。
var http = require('http');
var fs = require("fs");
var cheerio = require('cheerio');
var req = http.get('http://www.baidu.com',function() {
$ = cheerio.load(html);
var oImg = $('img'),length = oImg.length;
for (var i = 0; i < length; ++i) {
getPic(oImg.eq(i).attr('src'),'pic/' + i + '.png');
console.log(oImg.eq(i).attr('src')); // 打印img路径，注1.
}
});
});
// 下载图片函数
function getPic(url,local) {
http.get(url,function(res) {
var img = '';
res.setEncoding("binary"); // 必须设置response的编码为binary，否则下载下来的图片会打不开
res.on('data',function(chunk) {
img += chunk;
});
res.on('end',function() {
fs.writeFile(local,img,'binary',function(err) { // 写操作函数
if (err) {
console.log('dowmload error!');
} else {
console.log('sucess!');
}
});
});
});
}注1：我们会发现有些图片实际下载下来是空白的，可以直接看命令提示符中的打印的路径信息，不正常图片的src路径是有问题的，我们可以特殊处理下。
其实下载图片的函数不过是另外的get请求函数而已，只是这次直接请求的是图片资源而已。这样，我们就可以下载到百度首页下的所有图片资源了。
