欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

nodeJs爬蟲的技術(shù)點總結(jié)

 更新時間:2018年05月13日 14:11:50   作者:紫日殘月  
本篇文章給大家總結(jié)了關(guān)于nodeJs爬蟲的技術(shù)點的相關(guān)知識,對爬蟲有興趣的朋友可以跟著學(xué)習(xí)參考下。

背景

最近打算把之前看過的nodeJs相關(guān)的內(nèi)容在復(fù)習(xí)下,順便寫幾個爬蟲來打發(fā)無聊,在爬的過程中發(fā)現(xiàn)一些問題,記錄下以便備忘。

依賴

用到的是在網(wǎng)上爛大街的cheerio庫來處理爬取的內(nèi)容,使用superagent處理請求,log4js來記錄日志。

日志配置

話不多說,直接上代碼:

const log4js = require('log4js');

log4js.configure({
 appenders: {
  cheese: {
   type: 'dateFile',
   filename: 'cheese.log',
   pattern: '-yyyy-MM-dd.log',
   // 包含模型
   alwaysIncludePattern: true,

   maxLogSize: 1024,
   backups: 3 }
 },
 categories: { default: { appenders: ['cheese'], level: 'info' } }
});

const logger = log4js.getLogger('cheese');
logger.level = 'INFO';

module.exports = logger;

以上直接導(dǎo)出一個logger對象,在業(yè)務(wù)文件里直接調(diào)用logger.info()等函數(shù)添加日志信息就可以,會按天生成日志。相關(guān)信息網(wǎng)絡(luò)上一堆。

爬取內(nèi)容并處理

 superagent.get(cityItemUrl).end((err, res) => {
  if (err) {
   return console.error(err);
  }

  const $ = cheerio.load(res.text);
  // 解析當前頁面,獲取當前頁面的城市鏈接地址
  const cityInfoEle = $('.newslist1 li a');
  cityInfoEle.each((idx, element) => {
   const $element = $(element);
   const sceneURL = $element.attr('href'); // 頁面地址
   const sceneName = $element.attr('title'); // 城市名稱
   if (!sceneName) {
    return;
   }
   logger.info(`當前解析到的目的地是: ${sceneName}, 對應(yīng)的地址為: ${sceneURL}`);

   getDesInfos(sceneURL, sceneName); // 獲取城市詳細信息

   ep.after('getDirInfoComplete', cityInfoEle.length, (dirInfos) => {
    const content = JSON.parse(fs.readFileSync(path.join(__dirname, './imgs.json')));

    dirInfos.forEach((element) => {
     logger.info(`本條數(shù)據(jù)為:${JSON.stringify(element)}`);
     Object.assign(content, element);
    });

    fs.writeFileSync(path.join(__dirname, './imgs.json'), JSON.stringify(content));
   });
  });
 });

使用superagent請求頁面,請求成功后使用cheerio 來加載頁面內(nèi)容,然后使用類似Jquery的匹配規(guī)則來查找目的資源。

多個資源加載完成,使用eventproxy來代理事件,處理一次資源處罰一次事件,所有事件觸發(fā)完成后處理數(shù)據(jù)。

以上就是最基本的爬蟲了,接下來就是一些可能會出問題或者需要特別注意的地方了。。。

讀寫本地文件

創(chuàng)建文件夾

function mkdirSync(dirname) {
 if (fs.existsSync(dirname)) {
  return true;
 }
 if (mkdirSync(path.dirname(dirname))) {
  fs.mkdirSync(dirname);
  return true;
 }

 return false;
}

讀寫文件

   const content = JSON.parse(fs.readFileSync(path.join(__dirname, './dir.json')));

   dirInfos.forEach((element) => {
    logger.info(`本條數(shù)據(jù)為:${JSON.stringify(element)}`);
    Object.assign(content, element);
   });

   fs.writeFileSync(path.join(__dirname, './dir.json'), JSON.stringify(content));

批量下載資源

下載資源可能包括圖片、音頻等等。

使用Bagpipe處理異步并發(fā) 參考

const Bagpipe = require('bagpipe');

const bagpipe = new Bagpipe(10);

  bagpipe.push(downloadImage, url, dstpath, (err, data) => {
   if (err) {
    console.log(err);
    return;
   }
   console.log(`[${dstpath}]: ${data}`);
  });

下載資源,使用stream來完成文件寫入。

function downloadImage(src, dest, callback) {
 request.head(src, (err, res, body) => {
  if (src && src.indexOf('http') > -1 || src.indexOf('https') > -1) {
   request(src).pipe(fs.createWriteStream(dest)).on('close', () => {
    callback(null, dest);
   });
  }
 });
}

編碼

有時候直接使用 cheerio.load處理的網(wǎng)頁內(nèi)容,寫入文件后發(fā)現(xiàn)是編碼后的文字,可以通過

const $ = cheerio.load(buf, { decodeEntities: false });

來禁止編碼,

ps: encoding庫和iconv-lite未能實現(xiàn)將utf-8編碼的字符轉(zhuǎn)換為中文,可能是還對API不熟悉,稍后可以關(guān)注下。

最后,附上一個匹配所有dom標簽的正則

const reg = /<.*?>/g;

相關(guān)文章

  • websocket+node.js實現(xiàn)實時聊天系統(tǒng)問題咨詢

    websocket+node.js實現(xiàn)實時聊天系統(tǒng)問題咨詢

    最近新學(xué)習(xí)websocket,做了一個實時聊天。用Node.js搭建的服務(wù):serevr.js. 兩個相互通信頁面:client.html 和server.html 但是就是有很多問題,下面通過本文給大家分享下
    2017-05-05
  • Node.js中path模塊操作路徑的基本使用

    Node.js中path模塊操作路徑的基本使用

    這篇文章主要介紹了Node.js中path模塊操作路徑的基本使用,本文通過實例代碼給大家介紹的非常詳細,對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值,需要的朋友可以參考下
    2023-08-08
  • node的proxy-server使用詳解

    node的proxy-server使用詳解

    本文主要介紹了node的proxy-server使用詳解,主要介紹代理服務(wù)器的API基本使用流程和思路,以及代理服務(wù)器實例的API基本使用流程和思路,感興趣的可以了解一下
    2023-12-12
  • socket.io學(xué)習(xí)教程之基本應(yīng)用(二)

    socket.io學(xué)習(xí)教程之基本應(yīng)用(二)

    socket.io提供了基于事件的實時雙向通訊,下面這篇文章主要給大家介紹了socket.io基本應(yīng)用的相關(guān)資料,對大家具有一定的參考學(xué)習(xí)價值,需要的朋友們下面來一起看看吧。
    2017-04-04
  • Mac node刪除以及重新安裝案例詳解

    Mac node刪除以及重新安裝案例詳解

    這篇文章主要介紹了Mac node刪除以及重新安裝案例詳解,本篇文章通過簡要的案例,講解了該項技術(shù)的了解與使用,以下就是詳細內(nèi)容,需要的朋友可以參考下
    2021-09-09
  • node使用async_hooks模塊進行請求追蹤

    node使用async_hooks模塊進行請求追蹤

    這篇文章主要介紹了node使用async_hooks模塊進行請求追蹤,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2021-01-01
  • 詳解node+express+ejs+bootstrap構(gòu)建項目

    詳解node+express+ejs+bootstrap構(gòu)建項目

    本篇文章主要介紹了詳解node+express+ejs+bootstrap構(gòu)建項目,非常具有實用價值,需要的朋友可以參考下
    2017-09-09
  • nodejs語言實現(xiàn)驗證碼生成功能的示例代碼

    nodejs語言實現(xiàn)驗證碼生成功能的示例代碼

    這篇文章主要介紹了nodejs語言實現(xiàn)驗證碼生成功能的示例代碼,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2019-10-10
  • Node.js之如何構(gòu)建UDP服務(wù)

    Node.js之如何構(gòu)建UDP服務(wù)

    這篇文章主要介紹了Node.js之如何構(gòu)建UDP服務(wù)問題,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教
    2024-09-09
  • nodejs使用socket5進行代理請求的實現(xiàn)

    nodejs使用socket5進行代理請求的實現(xiàn)

    這篇文章主要介紹了nodejs使用socket5進行代理請求的實現(xiàn),文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2020-02-02

最新評論