nodejs制作爬虫实现批量下载图片


Posted in NodeJs onMay 19, 2017

今天想获取一大批猫的图片,然后就在360流浪器搜索框中输入 ,然后点击图片。就看到了一大波猫的图片: http://image.so.com/i?q=%E7%8... ,我在想啊,要是审查元素,一张张手动下载,多麻烦,所以打算写程序来实现。不写不知道,一写发现里面还是有很多道道的。

nodejs制作爬虫实现批量下载图片

1. 爬取图片链接

因为之前也写过nodejs爬虫功能(参见:NodeJS制作爬虫全过程 ),所以觉得应该很简单,就用cheerio来处理dom啦,结果打印一下啥也没有,后来查看源代码:

nodejs制作爬虫实现批量下载图片

发现 waterfall_zoom 里面空空如也,查找了一下,发现所有的数据都是写在 <script> 里面,然后动态加载到页面的,所以用cheerio.load到的页面里面其实没数据的。真实数据:

nodejs制作爬虫实现批量下载图片

分析完毕,刷刷写代码:

var request = require('request');
var cheerio = require('cheerio');
var url = 'http://image.so.com/i?q=%E7%8C%AB&src=tab_www';

request(url,function(err,res,body){
  if(!err && res.statusCode === 200){
    var $ = cheerio.load(body);
    var imgList = []
    JSON.parse($('script[id="initData"]').html()).list.forEach(function(item){
      imgList.push(item.img)
    });
    console.log(imgList);
  }
});

nodejs制作爬虫实现批量下载图片

2. 下载图片到本地 2.1 粗糙的方案

最初的思路很简单,简单的 fs.createWriteStream() 就能解决:

var downloadPic = function(src, dest){
  request(src).pipe(fs.createWriteStream(dest)).on('close',function(){
    console.log('pic saved!')
  })
}

使用方式:

downloadPic(imgList[0],'./catpics/1.jpg');

nodejs制作爬虫实现批量下载图片

成功捕获一只猫!然后写了一个循环准备捕获所有猫。然而这种方式是串行的,速度很慢!下载一大批图片要花大量时间。

2.2 使用async异步批量下载

关于async的map操作,详见: async_demo/map.js ,对集合中的每一个元素,执行某个异步操作,得到结果。所有的结果将汇总到最终的callback里。与forEach的区别是,forEach只关心操作不管最后的值,而map关心的最后产生的值。

提供了两种方式:

并行执行。 async.map 同时对集合中所有元素进行操作,结果汇总到最终callback里。如果出错,则立刻返回错误以及已经执行完的任务的结果,未执行完的占个空位

顺序执行。 async.mapSeries 对集合中的元素一个一个执行操作,结果汇总到最终callback里。如果出错,则立刻返回错误以及已经执行完的结果,未执行的被忽略。

在此处:

async.mapSeries(imgList,function(item, callback){
  setTimeout(function(){
    downloadPic(item, './catpics/'+ (new Date()).getTime() +'.jpg');
    callback(null, item);
  },400);
}, function(err, results){});

注: 此处使用setTimeout,是因为下载需要一定时间,在笔者较慢网速下,需要400ms的间隔能确保每张图片下载完全。

nodejs制作爬虫实现批量下载图片

成功捕获一批猫猫!

2.3 使用bagpipe批量

bagpipe 是朴灵大大做的一个在nodejs中控制并发执行的模块。其安装和使用也比较简单:

npm install bagpipe --save

使用:

var Bagpipe = require('bagpipe');

var bagpipe = new Bagpipe(10);
var files = ['这里有很多很多文件'];
for(vari =0; i < files.length; i++){
  bagpipe.push(fs.readFile, files[i], 'utf-8',function(err, data){
    ...
  });
}

在此处:

var bagpipe = new Bagpipe(10,{timeout: 100});
for(var i = 0; i < imgList.length; i++) {
  console.log('i:'+i)
  bagpipe.push(downloadPic, imgList[i], './catpics/'+ i +'.jpg', function(err, data){
    //
   });
}

3.总结

作为一个程序员,能用程序解决就不手动解决。每一次尝都会有新的收获。

NodeJs 相关文章推荐
golang、python、php、c++、c、java、Nodejs性能对比
Mar 12 NodeJs
轻松创建nodejs服务器(3):代码模块化
Dec 18 NodeJs
详解nodejs实现本地上传图片并预览功能(express4.0+)
Jun 28 NodeJs
nodejs中安装ghost出错的原因及解决方法
Oct 23 NodeJs
使用nodeJs来安装less及编译less文件为css文件的方法
Nov 20 NodeJs
nodejs实现的连接MySQL数据库功能示例
Jan 25 NodeJs
nodejs中函数的调用实例详解
Oct 31 NodeJs
PHPStorm中如何对nodejs项目进行单元测试详解
Feb 28 NodeJs
NodeJS http模块用法示例【创建web服务器/客户端】
Nov 05 NodeJs
nodejs环境使用Typeorm连接查询Oracle数据
Dec 05 NodeJs
nodejs如何在package.json中设置多条启动命令
Mar 16 NodeJs
使用nodejs实现JSON文件自动转Excel的工具(推荐)
Jun 24 NodeJs
详解Windows下安装Nodejs步骤
May 18 #NodeJs
nodejs+websocket实时聊天系统改进版
May 18 #NodeJs
nodejs6下使用koa2框架实例
May 18 #NodeJs
Nodejs中使用captchapng模块生成图片验证码
May 18 #NodeJs
详解使用nodeJs安装Vue-cli
May 17 #NodeJs
NodeJS创建最简单的HTTP服务器
May 15 #NodeJs
NodeJS、NPM安装配置步骤(windows版本) 以及环境变量详解
May 13 #NodeJs
You might like
php获取post中的json数据的实现方法
2011/06/08 PHP
PHP反转字符串函数strrev()函数的用法
2012/02/04 PHP
与文件上传有关的php配置参数总结
2013/06/14 PHP
destoon二次开发常用数据库操作
2014/06/21 PHP
PHP将URL转换成短网址的算法分享
2016/09/13 PHP
YII2.0框架行为(Behavior)深入详解
2019/07/26 PHP
类似GMAIL的Ajax信息反馈显示
2010/02/16 Javascript
javascript 节点排序 2
2011/01/31 Javascript
JavaScript 布尔操作符解析  &amp;&amp; || !
2012/08/10 Javascript
js展开闭合效果演示代码
2013/07/24 Javascript
jQuery的cookie插件实现保存用户登陆信息
2014/04/15 Javascript
js获取当前日期前七天的方法
2015/02/28 Javascript
JavaScript将XML转成JSON的方法
2015/03/12 Javascript
原生js制作日历控件实例分享
2016/04/06 Javascript
利用nvm管理多个版本的node.js与npm详解
2017/11/02 Javascript
Vue中render方法的使用详解
2018/01/26 Javascript
JavaScript同源策略和跨域访问实例详解
2018/04/03 Javascript
vue项目移动端实现ip输入框问题
2019/03/19 Javascript
jquery登录的异步验证操作示例
2019/05/09 jQuery
使用Node.js写一个代码生成器的方法步骤
2019/05/10 Javascript
原生js代码能实现call和bind吗
2019/07/31 Javascript
ES6 Symbol在对象中的作用实例分析
2020/06/06 Javascript
Js on及addEventListener原理用法区别解析
2020/07/11 Javascript
wxPython中文教程入门实例
2014/06/09 Python
详细介绍Python的鸭子类型
2016/09/12 Python
python日志记录模块实例及改进
2017/02/12 Python
Django实现快速分页的方法实例
2017/10/22 Python
Odoo中如何生成唯一不重复的序列号详解
2018/02/10 Python
Django中的AutoField字段使用
2020/05/18 Python
哈萨克斯坦最大的时装、鞋子和配饰在线商店:Lamoda.kz
2019/11/19 全球购物
Piercing Pagoda官网:耳环、戒指、项链、手链等
2020/09/28 全球购物
《长城》教学反思
2014/02/14 职场文书
信息总监管理职责范本
2014/03/08 职场文书
乡镇四风对照检查材料
2014/08/31 职场文书
上市公司董事长岗位职责
2015/04/16 职场文书
Python Pandas常用函数方法总结
2021/06/15 Python