Node.js基础入门第六天

Node.js基础入门第六天已关闭评论
185 次浏览

A+

所属分类：Web前端

摘要

经过前面五天的学习，对Node.js开发已经逐渐入门，今天结合之前学到的东西，开发一个小示例【爬取某图片网站的图片】，仅供学习分享使用，如有不足之处，还请指正。

便宜好用的国外VPS推荐

涉及知识点

开发一个小爬虫，涉及的知识点如下所示：

https模块，主要是用户获取网络资源，如：网页源码，图片资源等。
cheerio模块，主要用于解析html源码，并可访问，查找html节点内容。
fs模块，主要用于文件的读写操作，如保存图片，日志等。
闭包，主要是对于异步操作，对象的隔离保护。

cheerio简介

什么是cheerio ?

cheerio是为服务器特别定制的，快速、灵活、实施的jQuery核心实现。主要用于在服务端解析html。特点如下所示：

易用，语法类似jQuery语法，从jQuery库中去除了所有 DOM不一致性和浏览器尴尬的部分。
解析快，比JSDOM快八倍。
灵活，Cheerio 封装了兼容的htmlparser。Cheerio 几乎能够解析任何的 HTML 和 XML document。

安装cheerio

首先在命令行，切换到程序目录，然后输入安装命令进行安装，如下所示：

1 cnpm install cheerio

安装过程，如下所示：

Node.js基础入门第六天

准备工作

在编写爬虫之前，首先需要分析目标内容，本次需要爬取的是某网站，星空类型的图片内容，经过分析，发现所有的图片都是在ul下每一个li中的a标签内的img中，本次只需要解析出img的src属性，即可获取图片的下载路径。如下所示：

Node.js基础入门第六天

核心代码

经过以上分析，通过Node.js编写代码，分为两步，获取所有图片的url路径，即解析所有目标img元素的src属性。然后再下载具体图片进行保存即可。

引用所需要的功能模块，如下所示：

1 var https = require('https'); 2 var cheerio = require('cheerio'); 3 var fs = require('fs');

获取并解析html页面内容，如下所示：

 1 //爬取的网址   2 var addrs=['https://www.*****.com/topic/show_27202_1.html','https://www.******.com/topic/show_27202_2.html','https://www.*****.com/topic/show_27202_3.html'];  3 var logger = fs.createWriteStream('./download/log.txt',{flags:'a+',autoClose:'true'});  4   5 for(i in addrs){  6     (function(num){  7    var addr = addrs[num];  8    //创建目录  9    var p1 = new Promise(function(resolve,reject){ 10      fs.access('./download',function(err){ 11        if(err){ 12            fs.mkdir('./download',function(e){ 13                if(e){ 14                    console.log('创建失败'); 15                } 16            }); 17         }else{ 18             resolve("success"); 19         } 20        });   21    }); 22     23    p1.then(function(datas){ 24        var html=''; 25        var p2 = new Promise(function(resolve,reject){ 26            https.get(addr,function(res){ 27                 res.on('data',function(data){ 28                     html+=data.toString(); 29                 }) 30                 res.on('end',function(){ 31                     resolve("success"); 32                 }); 33                  34             }); 35             36        }); 37       p2.then(function(data){ 38         //下载完成后，进行解析 39         const $ =cheerio.load(html); 40         var lis = $('#img-list-outer').find('li'); 41         for(var j=0;j<lis.length-1;j++){ 42             var li = lis[j]; 43             var src =$(li).find('a').find('img').attr('src'); 44             //console.log(src); 45             //console.log('-------------------------'); 46             var imgurl='https:'+src; 47             download(imgurl); 48             var msg='['+j+']下载成功：'+imgurl; 49             logger.write(msg+'n'); 50             console.log(msg); 51         } 52       }); 53    }); 54    })(i); 55 }

注意：因为所有爬取的目标共分为3页，所以用到了循环，并且在循环中用到了闭包。

下载并保存单张图片代码，如下所示：

 1 //下载图片  2 function download(imgurl){  3     var p1 = new Promise(function(resolve,reject){  4         https.get(imgurl,function(res){  5             var imgName=imgurl.substr(imgurl.lastIndexOf('/')+1);  6             var stream = fs.createWriteStream('./download/'+imgName);  7             res.pipe(stream);  8             setTimeout(function(){  9                 resolve('success'); 10             },300); 11              12         }); 13     }); 14     p1.then(function(data){ 15         return; 16     }); 17 }