puppeteer 爬取大众点评

最近在研究node的爬虫框架，这里作为学习的记录，实现通过puppeteer来爬取大众点评的信息

先看一下最终的爬取效果：

首先需要安装puppeteer插件
安装的方法网上一堆，我也不多讲了，给一个我这个实例对应的安装地址（我一直安装失败，看了这个文章之后才可以运行…QAQ）
Puppeteer 安装失败的解决办法

这里我额外引入了mysql和request（这个没用到），对应的安装方法：
npm install mysql request --save

下面我们讲下实现的原理
在爬虫启动浏览器访问大众点评后，有时候会出现一个验证的

然而我测试的时候，这个验证滑了之后还是不给进去

感觉被检测出是爬虫然后就不给访问的样子，具体什么原因我也不清楚，只是发现
有时候就可以直接进入到页面中，需要多试几次，emmmmmmm，知道具体原因的，可以评论区留言一下，谢谢
进入到页面之后，正常的那种获取文本信息这些应该很容易搞定的，也可以去下载一下我的代码，大部分注释都有写，可以去学习学习，链接地址我会放到最下面
最主要的是大众点评有反爬虫机制，会将文字进行替换
比如：

我们来读取一下这个358点评数的信息（F12选的）

在F12后的审查元素界面，可以看的到 358这三个数字被替换为了标签，不仅如此其他一些重要的信息全部被替换为了标签，目的就是不让新手爬取…emmmm
博主觉得这个问题可以用两种方法解决：
1、ocr去识别文字
2、解析svg的信息 （博主用的就是这个方法）
因为博主用的是解析信息的方法，下面会具体讲讲

我们选中一个只会，可以看到他引用的对应的样式（这里是shopNum），然后鼠标放在样式的地址上，有一个链接，复制链接地址并打开它

打开之后，大概就是这样的，这时候我们去搜索之前的样式shopNum，然后会有3个匹配值，复制第一个匹配值后面的地址

然后在新页面中打开，就会提示一个下载信息

这里下载的信息就是一个文字包，你可能打不开，可以用百度的文字编辑打开
地址为：http://fontstore.baidu.com/static/editor/index.html

将文件直接拖拽进去也可以打开的，打开之后就是这样的情况，可以看到数字对应的密匙信息吧
来核实一下对不对，比如我去取一下之前358条点评中的数字3（在审查元素中只能看到类似的信息）

在config里输入:

document.querySelectorAll("#shop-all-list li")[0].querySelector(".review-num").querySelector("b").querySelectorAll("svgmtsi")[0].innerText.charCodeAt(0).toString(16)

获取到对应的e8ec信息
与之前文字库中作对比，可以发现

数字3对应的刚好是 unie8ec
因此我们就可以做一个数字匹配的列表来（虽然这个列表是固定的，每次变了规则还要对着的变化，但是可以实现读取信息）

根据获取出来的内容对应着匹配一下数组列表，然后就可以知道真实的数字内容了
（文字的解析方式更复杂，不过也可以用这种方式实现，就是文字太多了…）
对于具体的内容获取，元素选择什么的可以参考下面的api
puppeteer系列教程
官方api

后续的完整代码我会提供链接地址进行下载（推荐去下面的github地址下载，不要积分的，希望拉取的时候可以star一下，谢谢）
完整代码的下载地址
我对于生成的信息存到了数据库以及本地的demo.json中

如果要运行爬虫，可以直接在终端运行 node demos.js
（别告诉你不知道怎么启动。。。百度查查node运行js文件吧）

爬虫运行时的图片

有问题直接留言，我天天看！！！

如果对你有帮助，希望可以去github帮忙点个Star 谢谢了QAQ 你的Star对我十分重要
↓↓↓GitHub地址↓↓↓
快来点一下Stat