如何运行JavaScript文件？新手如何抓取指定博客文章链接生成PDF？

嘿，兄弟，既然你完全不懂JavaScript，那我就从最基础的环节一步步给你讲，保证你能跟着操作下来，搞定抓取博客文章链接并生成PDF的需求！

第一步：先搞定运行JS文件的基础环境 #

这段代码是基于Node.js运行的（Node.js是让我们能在电脑上跑JavaScript的工具），所以首先得把它装上：

• 去Node.js官网下载对应你电脑系统的安装包，一路点「下一步」安装就行。
• 安装完后，打开你的终端（Windows用命令提示符/Powershell，Mac用自带的终端），输入node -v和npm -v，如果能显示版本号，说明安装成功了。

第二步：准备你的代码和依赖 #

1. 新建工作文件夹：在电脑上随便找个地方（比如桌面）新建一个文件夹，起名比如mmm-blog-scraper，方便后续操作。
2. 创建代码文件：在这个文件夹里新建一个文本文件，重命名为scraper.js，把补全后的完整代码粘贴进去。
3. 安装代码需要的工具包：打开终端，输入cd 你的文件夹路径（比如Windows是cd C:\Users\你的名字\Desktop\mmm-blog-scraper，Mac是cd ~/Desktop/mmm-blog-scraper），进入文件夹后，输入下面的命令安装依赖：

   npm install node-fetch cheerio puppeteer
   

   解释一下：node-fetch用来抓取网页内容，cheerio用来解析网页结构，puppeteer用来生成PDF。

第三步：完整的爬虫+生成PDF代码（补全你截断的部分） #

你之前贴的代码是不完整的，我给你补全了完整的逻辑，能自动抓取所有分页的文章链接，然后生成每篇文章的PDF：

const fs = require('fs');
const EventEmitter = require('events').EventEmitter;
const fetch = require('node-fetch');
const cheerio = require('cheerio');
const puppeteer = require('puppeteer');

const baseUrl = 'https://www.mrmoneymustache.com';
const e = new EventEmitter();
const articleLinks = [];

// 抓取单页的文章链接
e.on('fetchPage', async link => {
  try {
    const response = await fetch(link);
    const html = await response.text();
    const $ = cheerio.load(html);

    // 解析文章链接（如果博客页面结构变了，需要调整这里的选择器）
    $('.post-title a').each((i, el) => {
      const articleUrl = $(el).attr('href');
      const fullUrl = articleUrl.startsWith('http') ? articleUrl : `${baseUrl}${articleUrl}`;
      if (!articleLinks.includes(fullUrl)) {
        articleLinks.push(fullUrl);
        console.log(`找到文章：${fullUrl}`);
      }
    });

    // 检查是否有下一页，有的话继续抓取
    const nextPageLink = $('.pagination-next a').attr('href');
    if (nextPageLink) {
      const nextFullUrl = nextPageLink.startsWith('http') ? nextPageLink : `${baseUrl}${nextPageLink}`;
      e.emit('fetchPage', nextFullUrl);
    } else {
      // 所有页面抓取完成，开始生成PDF
      await generatePDFs(articleLinks);
      console.log('所有文章PDF已生成！');
    }
  } catch (error) {
    console.error(`抓取页面出错：${link}`, error);
  }
});

// 批量生成文章PDF
async function generatePDFs(links) {
  const browser = await puppeteer.launch({ headless: 'new' });
  for (const link of links) {
    try {
      const page = await browser.newPage();
      await page.goto(link, { waitUntil: 'networkidle2' }); // 等页面加载完成
      // 生成安全的文件名（去掉特殊字符）
      const title = await page.title();
      const safeTitle = title.replace(/[<>:"/\\|?*]/g, '_');
      // 生成PDF
      await page.pdf({
        path: `./${safeTitle}.pdf`,
        format: 'A4',
        printBackground: true // 保留页面背景样式
      });
      await page.close();
      console.log(`已生成：${safeTitle}.pdf`);
    } catch (error) {
      console.error(`生成PDF失败：${link}`, error);
    }
  }
  await browser.close();
}

// 启动爬虫，从博客首页开始
e.emit('fetchPage', baseUrl);

第四步：运行代码并查看结果 #

在终端里，确保你在刚才的文件夹下，输入命令：

node scraper.js

然后就等着就行！程序会先抓取所有的文章链接，然后逐个生成PDF，生成的文件都会存在你的工作文件夹里。

小提示 #

如果发现没抓到文章，大概率是博客的页面结构变了——你可以右键博客页面→「检查」，找到文章标题的HTML元素，把代码里的.post-title a换成对应的选择器就行；下一页的选择器同理。

内容的提问来源于stack exchange，提问作者Anon1378937