rssSpider

#简介#

网络爬虫，使用NodeJs抓取RSS新闻,抓取的内容包括标题、发布时间、描述、来源、新闻正文、和新闻的图片。同时为客户端提供标准的新闻服务接口。

提供RSS服务的站点超级多，百度、网易、新浪、虎嗅网等等站点，基于javac++、php的rss抓取网上很多。今天说说NodeJs抓取RSS信息。最新做一个新闻项目，项目流程很简单，使用nodejs去网络上面抓取新闻，存到mongodb数据库，然后对客户端提供http服务。客户端的实现网上有很多源码，本项目没有客户端的实现。怎么从rss地址抓取新闻的url地址和链接，抓取新闻正文和新闻的概要图片。对于一个新闻客户端来说，没有图片是致命的打击，图文并茂才能吸引用户。

本项目抓取了新闻的标题、来源、url地址、描述、正文、新闻的图片，提供新闻列表服务、单个新闻查询服务，觉得项目还ok，请点个赞吧，哈哈

#项目介绍# ###演示地址### http://newsapi.duapp.com/ 在手机或者平板上面，显示效果最佳

##项目开发环境## nodejs、mongodb

##运行方式 ## 先加载依赖的库

npm install -d

node app.js

访问网页新闻列表，和内容

直接访问 http://localhost:8001

本项目以网易的rss进行测试 http://www.163.com/rss

关键抓取代码，在service目录

##项目特色##

多站点同时抓取，需要抓取的站点可以在配置文件中配置
抓取的新闻正文的准确率非常高，包括图片
nodejs实现，抓取效率非常高
可以配置抓取的时间，和新闻正文的开始标签，过滤掉广告无用的图片和广告（iframe广告）
已经提供了，新闻列表和新闻查询的http服务，为android或者其他客户端完美提供数据源支持
加入响应式框架skeleton,展示新闻列表，和新闻正文。

项目的详细介绍地址：
文章1：http://blog.csdn.net/kissliux/article/details/19560603

文章2：http://blog.csdn.net/kissliux/article/details/20466889

#2014.3.15 更新日志

加入响应式框架skeleton，框架一共20kb,适合开发移动网页，
加入async异步编程控制库，请求所有新闻列表时，使用queue函数进行数据库查询，并发数量为5，访问数据库的数据超快。web响应也在100ms内
http://localhost:8001/即新闻列表，点击新闻跳转到新闻正文。

#2014.3.4 更新日志

重新架构项目，使用jshint进行代码验证
RSS抓取到新闻链接后，继续抓取新闻正文，提取出新闻正文中的有用图片、和正文。新闻进行列表显示的时候，如果有图片，更能吸引眼球，本项目抓取网易的新闻正和图片，正确率在90%以上
为其他客户端提供新闻查询的http服务，查询新闻列表(标题、图片、描述)，获取新闻正文

客户端请求新闻列表协议 见源码中的文档

#2014.2.27 更新日志 1、使用express 提供新闻服务，为android客户端和其他客户端提供服务

2、加入分页支持

3、使用chreeio插件，遍历web网页全文，抓取新闻标题和url地址。(针对m.baidu.com测试)实验。