shell获取网页内容

可以使用curl命令获取网页内容，curl http://www.example.com。如果需要解析HTML，可以使用lynx或w3m等工具。

Shell使用pup以CSS选择器方式提取网页内容教程

1、简介

介绍Shell和pup工具的基本概念和用途。

解释CSS选择器的基本原理和应用。

2、安装pup工具

在终端中运行以下命令安装pup工具：

“`shell

npm install puppeteer

“`

3、基本用法

创建一个名为example.js的JavaScript文件，并输入以下代码：

“`javascript

const puppeteer = require(‘puppeteer’);

(async () => {

const browser = await puppeteer.launch();

const page = await browser.newPage();

await page.goto(‘https://example.com’);

const content = await page.content();

await browser.close();

console.log(content);

})();

“`

运行该脚本，将打开一个浏览器窗口，访问指定的URL，并将网页内容打印到控制台。

4、CSS选择器提取内容

在example.js文件中添加以下代码来使用CSS选择器提取网页内容：

“`javascript

const puppeteer = require(‘puppeteer’);

(async () => {

const browser = await puppeteer.launch();

const page = await browser.newPage();

await page.goto(‘https://example.com’);

const content = await page.$eval(‘selector’, el => el.textContent); // 替换’selector’为实际的CSS选择器

await browser.close();

console.log(content);

})();

“`

将'selector'替换为实际的CSS选择器，例如'h1'、'.title'等。

运行该脚本，将提取指定CSS选择器的内容并打印到控制台。

5、常见问题与解答

问题1：为什么无法提取网页内容？

解答：请确保已正确安装pup工具，并且指定的URL可访问，检查CSS选择器是否正确，是否匹配到了目标元素。

问题2：如何保存提取的内容到文件？

解答：可以使用Node.js的文件系统模块（fs）将提取的内容写入到文件中。

“`javascript

const fs = require(‘fs’);

fs.writeFile(‘output.txt’, content, err => {

if (err) throw err;

console.log(‘内容已保存到output.txt文件’);

});

“`