Node.js实现简单的爬取

学习【node.js】也有几天时间了，所以打算写着练练手；索然我作为一个后端的选手，写起来还有那么一丝熟悉的感觉。emmm~~ ‘货’不多讲，开搞........

首先是依赖选择：

Node.js实现简单的爬取

代码块如下：

//引入依赖
//https请求
const https = require('https');
//简称node版的jquery
const cheerio = require('cheerio');
//解决防止出现乱码
const iconv = require('iconv-lite')
//http请求
const request = require("request");
//负责读写文件
const fs = require('fs');
//处理文件路径
const path = require('path');

爬取路径：

Node.js实现简单的爬取

代码块：(PS：这里单独拿出来是因为这个站的素材比较推荐，可以上去瞅瞅~~)

const url = 'https://unsplash.com/';

初步实现：

网站的基本构成

Node.js实现简单的爬取

这里主要是我们直接确认一下需要的【img】标签，以及外面的【figure】，然后直接就可以开工了....

核心代码：

//方法对象
const util = {

    getsrc: function (url) {
        https.get(url, res => {
            const chunks = [];
            res.on('data', chunk => {
                // chunks里面存储着网页的html内容
                chunks.push(chunk);
            });
            res.on('end', e => {

                let ALL = [];
                //编码格式
                let html = iconv.decode(Buffer.concat(chunks), 'utf8');
                let $ = cheerio.load(html, { decodeEntities: false });

                //标签遍历
                $("figure img").each(function (idex, elent) {
                    let $elent = $(elent);
                    let $srcset = $elent.attr("srcset");
                    if ($srcset != undefined) {
                        let src = ($srcset.split(',').pop()).split('?')[0];
                        ALL.push({
                            src: src
                        })
                    }
                });
                //遍历数组 每个后面加.jpg
                ALL.forEach(item => {
                    util.downloadimg(item.src, path.basename(item.src) + ".jpg", function () {
                        console.log(path.basename(item.src) + ".jpg");
                    });
                })
            });

            res.on('error', e => {
                console.log('Error: ' + e.message);
            });
        });
    },

    //运行主函数
    main: function () {
        console.log("------start--------");
        util.getsrc(url);
    },
    //下载图片函数
    downloadimg: function (src, srcname, callback) {

        //http请求
        request.head(src, function (err, res, body) {
            if (err) {
                console.log('err:' + err);
                return false;
            }
            console.log('res: ' + res);
            //保存数据，这里是防止未来得及记录数据又开始读取数据而导致数据丢失
            request(src).pipe(fs.createWriteStream('./img/' + srcname)).on('close', callback);
        });
    }
}

//主函数
util.main();

然后就可以运行 node xxx.js 看运行结果。

Git源码地址：https://github.com/KelvinKey/node-reptile

END Initial entry into the front end, the inadequacies, please bear with me.

Node.js实现简单的爬取

相关推荐