nodejs通过phantomjs实现下载网页


Posted in NodeJs onMay 04, 2015

功能其实很见简单,通过 phantomjs.exe 采集 url 加载的资源,通过子进程的方式,启动nodejs 加载所有的资源,对于css的资源,匹配css内容,下载里面的url资源

当然功能还是很简单的,在响应式设计和异步加载的情况下,还是有很多资源没有能够下载,需要根据实际情况处理下

 首先当然是下载 nodejs 和 phantomjs

下面是 phantomjs.exe 执行的 down.js

var page = require('webpage').create(),
  system = require('system');
var spawn = require("child_process").spawn

if (system.args.length === 1) {
  console.log('Usage: netsniff.js <some URL>');
  phantom.exit(1);
} else {
  var urls = [];
  page.address = system.args[1];
  page.onResourceReceived = function (res) {
    if (res.stage === 'start') {
      urls.push(res.url);
    }
  };
  page.open(page.address, function (status) {
    var har;
    if (status !== 'success') {
      console.log('FAIL to load the address');
      phantom.exit(1);
    } else {
      console.log('down resource ' + urls.length + ' urls.');
      var child = spawn("node", ["--harmony", "downHtml.js", urls.join(',')])
      child.stdout.on("data", function (data) {
       console.log(data);
      })
      child.stderr.on("data", function (data) {
       console.log(data);
      })
      child.on("exit", function (code) {
       phantom.exit();
      })      
    }
  });
}

下面是对应的node运行的 downHtml.js

"use strict";
var fs = require('fs');
var http = require('http');
var path = require('path');
var r_url = require('url');

var dirCache = {};//缓存减少判断
function makedir (pathStr, callback) {
  if (dirCache[pathStr] == 1) {
    callback();
  } else {
    fs.exists(pathStr, function (exists) {
      if (exists == true) {
        dirCache[pathStr] == 1;
        callback();
      } else {
        makedir(path.dirname(pathStr), function () {
          fs.mkdir(pathStr, function () {
            dirCache[pathStr] == 1;
            callback();
          })
        });
      }
    })
  }
};

var reg = /[:,]\s*url\(['"]?.*?(\1)\)/g
var reg2 = /\((['"]?)(.*?)(\1)\)/
var isDownMap = {};
var downImgFromCss = function (URL) {
  http.get(URL, function(res) {
    //console.log(path.resolve(process.cwd(), 'index.min.css'))
    //res.pipe(fs.createWriteStream(path.resolve(process.cwd(), 'index.min.css')));
    var body = "";
    res.setEncoding('utf8');
    res.on('data', function (chunk) {
      body += chunk;
    });
    res.on('end', function () {
      var match = body.match(reg);
      for (var i = 0, len = match.length; i < len; i++){
        var m = match[i].match(reg2);
        if (m && m[2]) {
          var url = m[2];
          let imgUrl = r_url.resolve(URL, url);
          if (!isDownMap[imgUrl]) {
            var uo = r_url.parse(imgUrl);
            let filepath = CWD + '/' + uo.hostname + uo.pathname;
            makedir(path.dirname(filepath), function () {
              http.get(imgUrl, function (res) {
                res.pipe(fs.createWriteStream(filepath));
              })
            })
            isDownMap[imgUrl] = 1;
          }
        }
      }
    });
  });
}

var URLS = process.argv[2].split(',');
var CWD = process.cwd();
//下载资源
URLS.forEach(function (URL) {
  var uo = r_url.parse(URL);
  var filepath;
  if (uo.pathname == '/' || uo.pathname == '') {
    filepath = CWD + '/' + uo.hostname + '/index.html';
  } else {
    filepath = CWD + '/' + uo.hostname + uo.pathname;
  }
  makedir(path.dirname(filepath), function () {
    http.get(URL, function (res) {
      if (URL.indexOf('.css') != -1 || (res.headers["content-type"] && res.headers["content-type"].indexOf('text/css')!= -1)) {
        console.log('down images form css file:' + URL + '.');
        downImgFromCss(URL);
      }
      res.pipe(fs.createWriteStream(filepath));
    })
  });
});

down.js downHtml.js 放在同一个文件夹下 通过下列 cmd 运行

D:\phantomjs-2.0.0-windows\bin\phantomjs.exe down.js http://www.youku.com/

以上所述就是本文的全部内容了,希望大家能够喜欢。

NodeJs 相关文章推荐
Nodejs极简入门教程(三):进程
Oct 27 NodeJs
windows下安装nodejs及框架express
Aug 07 NodeJs
NodeJs——入门必看攻略
Jun 27 NodeJs
详解如何在NodeJS项目中优雅的使用ES6
Apr 22 NodeJs
详解nodeJs文件系统(fs)与流(stream)
Jan 24 NodeJs
详解redis在nodejs中的应用
May 02 NodeJs
nodejs初始化init的示例代码
Oct 10 NodeJs
使用koa-log4管理nodeJs日志笔记的使用方法
Nov 30 NodeJs
nodejs同步调用获取mysql数据时遇到的大坑
Mar 02 NodeJs
nodejs微信开发之自动回复的实现
Mar 17 NodeJs
nodejs中使用archive压缩文件的实现代码
Nov 26 NodeJs
Nodejs封装类似express框架的路由实例详解
Jan 05 NodeJs
nodejs实现HTTPS发起POST请求
Apr 23 #NodeJs
PHP和NodeJs开发的应用如何共用Session
Apr 16 #NodeJs
Nodejs学习笔记之测试驱动
Apr 16 #NodeJs
Nodejs学习笔记之入门篇
Apr 16 #NodeJs
Windows系统下使用Sublime搭建nodejs环境
Apr 13 #NodeJs
nodejs开发微博实例
Mar 25 #NodeJs
nodejs中实现阻塞实例
Mar 24 #NodeJs
You might like
php cc攻击代码与防范方法
2012/10/18 PHP
php反射类ReflectionClass用法分析
2016/05/12 PHP
php  单例模式详细介绍及实现源码
2016/11/05 PHP
Zend Framework校验器Zend_Validate用法详解
2016/12/09 PHP
这段js代码得节约你多少时间
2011/12/20 Javascript
在javascript中对于DOM的加强
2013/04/11 Javascript
使用js修改客户端注册表的方法
2013/08/09 Javascript
javascript将数字转换整数金额大写的方法
2015/01/27 Javascript
Yii2使用Bootbox插件实现自定义弹窗
2015/04/02 Javascript
jQuery数据类型小结(14个)
2016/01/08 Javascript
JavaScript对象数组如何按指定属性和排序方向进行排序
2016/06/15 Javascript
jquery easyui如何实现格式化列
2017/07/30 jQuery
vue实现通讯录功能
2018/07/14 Javascript
深入学习js函数的隐式参数 arguments 和 this
2019/06/24 Javascript
利用d3.js实现蜂巢图表带动画效果
2019/09/03 Javascript
javascript实现的图片预览和上传功能示例【兼容IE 9】
2020/05/01 Javascript
JavaScript大数相加相乘的实现方法实例
2020/10/18 Javascript
vue 获取到数据但却渲染不到页面上的解决方法
2020/11/19 Vue.js
Python基于socket实现简单的即时通讯功能示例
2018/01/16 Python
Ubuntu下Python2与Python3的共存问题
2018/10/31 Python
Python实现FTP弱口令扫描器的方法示例
2019/01/31 Python
python批量修改图片尺寸,并保存指定路径的实现方法
2019/07/04 Python
python matplotlib拟合直线的实现
2019/11/19 Python
Python中私有属性的定义方式
2020/03/05 Python
python中get和post有什么区别
2020/06/19 Python
香港个人化生活购物网站:Ballyhoo Limited
2016/09/10 全球购物
Vans英国官方网站:美国南加州的原创极限运动潮牌
2017/01/20 全球购物
Roxy俄罗斯官方网站:冲浪和滑雪板的一切
2020/06/20 全球购物
销售经理工作职责范文
2013/12/03 职场文书
遗嘱继承公证书
2014/04/09 职场文书
文明和谐家庭事迹材料
2014/05/18 职场文书
销售代理协议书
2014/09/30 职场文书
2014年法务工作总结
2014/12/11 职场文书
《月光曲》教学反思
2016/02/16 职场文书
Win10加载疑难解答时出错发生意外错误的解决方法
2022/07/07 数码科技
TypeScript实用技巧 Nominal Typing名义类型详解
2022/09/23 Javascript