node.js爬蟲框架node-crawler初體驗(yàn)

更新時(shí)間：2020年10月29日 14:56:49 作者：青城同學(xué)

這篇文章主要介紹了node.js爬蟲框架node-crawler的相關(guān)資料，幫助大家利用node.js進(jìn)行爬蟲，感興趣的朋友可以了解下

百度爬蟲這個(gè)詞語，一般出現(xiàn)的都是python相關(guān)的資料。

py也有很多爬蟲框架，比如scrapy，Portia，Crawley等。

之前我個(gè)人更喜歡用C#做爬蟲。

隨著對nodejs的熟悉。發(fā)現(xiàn)做這種事情還是用腳本語言適合多了，至少不用寫那么多的實(shí)體類。而且腳本一般使用比較簡單?！　?/p>

在github上搜索node+spider，排名第一的就是node-crawler

github:https://github.com/bda-research/node-crawler

簡單使用

npm 安裝：

npm install crawler

new一個(gè)crawler對象

var c = new Crawler({
 // 在每個(gè)請求處理完畢后將調(diào)用此回調(diào)函數(shù)
 callback : function (error, res, done) {
  if(error){
   console.log(error);
  }else{
   var $ = res.$;
   // $ 默認(rèn)為 Cheerio 解析器
   // 它是核心jQuery的精簡實(shí)現(xiàn)，可以按照jQuery選擇器語法快速提取DOM元素
   console.log($("title").text());
  }
  done();
 }
});

然后往crawler隊(duì)列里面不停的加url就行了，

// 將一個(gè)URL加入請求隊(duì)列，并使用默認(rèn)回調(diào)函數(shù)
c.queue('http://www.amazon.com');

// 將多個(gè)URL加入請求隊(duì)列
c.queue(['http://www.google.com/','http://www.yahoo.com']);

控制并發(fā)速度

爬蟲框架一般都是同時(shí)去爬多個(gè)頁面，但是速度過快會觸發(fā)目標(biāo)網(wǎng)站的反爬蟲機(jī)制，也同時(shí)影響別人網(wǎng)站的性能。

控制最大的并發(fā)數(shù)量

var c = new Crawler({
 // 最大并發(fā)數(shù)默認(rèn)為10
 maxConnections : 1,

 callback : function (error, res, done) {
  if(error){
   console.log(error);
  }else{
   var $ = res.$;
   console.log($("title").text());
  }
  done();
 }
});

使用慢速模式

使用參數(shù) rateLimit 啟用慢速模式，兩次請求之間會閑置 rateLimit 毫秒，而 maxConnections 將被強(qiáng)行修改為 1 。

var c = new Crawler({
 // `maxConnections` 將被強(qiáng)制修改為 1
 maxConnections : 10,

 // 兩次請求之間將閑置1000ms
 rateLimit: 1000,

 callback : function (error, res, done) {
  if(error){
   console.log(error);
  }else{
   var $ = res.$;
   console.log($("title").text());
  }
  done();
 }
});

下載圖片等靜態(tài)文件

var c = new Crawler({
 encoding:null,
 jQuery:false,// set false to suppress warning message.
 callback:function(err, res, done){
  if(err){
   console.error(err.stack);
  }else{
   fs.createWriteStream(res.options.filename).write(res.body);
  }
  
  done();
 }
});

c.queue({
 uri:"https://nodejs.org/static/images/logos/nodejs-1920x1200.png",
 filename:"nodejs-1920x1200.png"
});

以上就是node.js爬蟲框架node-crawler初體驗(yàn)的詳細(xì)內(nèi)容，更多關(guān)于爬蟲框架node-crawler的資料請關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: