Node.js aitaotu图片批量下载Node.js爬虫1.00版
即使是https网页,解析的方式也不是一致的,需要多试试。
代码:
//====================================================== // aitaotu图片批量下载Node.js爬虫1.00 // 2017年11月14日 //======================================================// 内置http模块 var https=require("https");// 内置文件处理模块,用于创建目录和图片文件 var fs=require('fs');// cheerio模块,提供了类似jQuery的功能,用于从HTML code中查找图片地址和下一页 var cheerio = require("cheerio");// 请求参数JSON。http和https都有使用 var options;// request请求 var req;// 图片数组,找到的图片地址会放到这里 var pictures=[];//-------------------------------------- // 爬取网页,找图片地址,再爬 // pageUrl sample:https://www.aitaotu.com/rihan/30598.html // pageUrl sample:https://www.aitaotu.com/rihan/33405.html //-------------------------------------- function crawl(pageUrl){console.log("Current page="+pageUrl);// 得到hostname和pathvar currUrl=pageUrl.replace("https://","");var pos=currUrl.indexOf("/");var hostname=currUrl.slice(0,pos); var path=currUrl.slice(pos); //console.log("hostname="+hostname);//console.log("path="+path);// 初始化options options={hostname:hostname,port:443,path:path,// 子路径method:'GET', };req=https.request(options,function(resp){var html = [];resp.on("data", function(data) {html.push(data);})resp.on("end", function() {var buffer = Buffer.concat(html);var body=buffer.toString();//console.log(body);var $ = cheerio.load(body); var picCount=0;// 找图片放入数组$("#big-pic p a img").each(function(index,element){var picUrl=$(element).attr("src");//console.log(picUrl);if(picUrl.indexOf('.jpg')!=-1){pictures.push(picUrl); picCount++;} }) console.log("找到图片"+picCount+"张.");var nextPageUrl=null;// 找下一页$(".pages ul li a").each(function(index,element){var text=$(element).text();if(text.indexOf('下一页')!=-1){nextPageUrl=$(element).attr("href");nextPageUrl="https://www.aitaotu.com/"+nextPageUrl;// 把省略部分加上console.log("找到下一页.");} })if(nextPageUrl==null){console.log(pageUrl+"已经是最后一页了.");download(pictures);}else{//console.log("下一页是"+nextPageUrl); crawl(nextPageUrl);}}).on("error", function() {console.log("获取失败")})});// 超时处理req.setTimeout(5000,function(){req.abort();});// 出错处理req.on('error',function(err){if(err.code=="ECONNRESET"){console.log('socket端口连接超时。');}else{console.log('请求发生错误,err.code:'+err.code);}});// 请求结束 req.end(); }var total=0; var succeed=0; var failed=0;//-------------------------------------- // 下载图片 //-------------------------------------- function download(pictures){var folder='pictures('+getNowFormatDate()+")";// 创建目录fs.mkdir('./'+folder,function(err){if(err){console.log("目录"+folder+"已经存在");}});total=pictures.length;console.log("总计有"+total+"张图片将被下载.");appendToLogfile(folder,"总计有"+total+"张图片将被下载.\n");for(var i=0;i<pictures.length;i++){var picUrl=pictures[i];downloadPic(picUrl,folder);} }//-------------------------------------- // 写log文件 //-------------------------------------- function appendToLogfile(folder,text){fs.appendFile('./'+folder+'/log.txt', text, function (err) {if(err){console.log("不能书写log文件");console.log(err);}}); }//-------------------------------------- // 取得当前时间 //-------------------------------------- function getNowFormatDate() {var date = new Date();var seperator1 = "-";var seperator2 = "_";var month = date.getMonth() + 1;var strDate = date.getDate();if (month >= 1 && month <= 9) {month = "0" + month;}if (strDate >= 0 && strDate <= 9) {strDate = "0" + strDate;}var currentdate =date.getFullYear() + seperator1 + month + seperator1 + strDate+ " " + date.getHours() + seperator2 + date.getMinutes()+ seperator2 + date.getSeconds();return currentdate; }//-------------------------------------- // 下载单张图片 // picUrl sample:https://img.aitaotu.cc:8089/Pics/2017/0410/03/01.jpg //-------------------------------------- function downloadPic(picUrl,folder){console.log("图片:"+picUrl+"下载开始");// 得到hostname,path和portvar currUrl=picUrl.replace("https://","");var pos=currUrl.indexOf("/");var hostname=currUrl.slice(0,pos); var path=currUrl.slice(pos); var arr=hostname.split(":");hostname=arr[0];var port=arr[1];//console.log("hostname="+hostname);//console.log("path="+path);//console.log("port="+port);var picName=currUrl.slice(currUrl.lastIndexOf("/"));// 初始化options options={hostname:hostname,port:port,path:path,// 子路径method:'GET',};req=https.request(options,function(resp){var imgData = "";resp.setEncoding("binary"); resp.on('data',function(chunk){imgData+=chunk; });resp.on('end',function(){ // 创建文件var fileName="./"+folder+picName;fs.writeFile(fileName, imgData, "binary", function(err){if(err){console.log("[downloadPic]文件"+fileName+"下载失败.");console.log(err);appendToLogfile(folder,"文件 "+picUrl+" 下载失败.\n");failed++;}else{appendToLogfile(folder,"文件 "+picUrl+" 下载成功.\n");console.log("文件"+fileName+"下载成功");succeed++;}}); });});// 超时处理req.setTimeout(7500,function(){req.abort();});// 出错处理req.on('error',function(err){if(err){console.log('[downloadPic]文件'+picUrl+"下载失败,"+'因为'+err);appendToLogfile(folder,"文件"+picUrl+"下载失败.\n");}failed++;});// 请求结束 req.end(); }//-------------------------------------- // 程序入口 //-------------------------------------- function getInput(){process.stdout.write("\033[35m 请输入第一页URL:\033[039m"); //紫色 process.stdin.resume();process.stdin.setEncoding('utf8'); process.stdin.on('data',function(text){process.stdin.end();// 退出输入状态 crawl(text.trim());// trim()是必须的! }); }// 调用getInput函数,程序开始 getInput();
Node.js aitaotu图片批量下载Node.js爬虫1.00版相关推荐
- Node.js umei图片批量下载Node.js爬虫1.00
这个爬虫在abaike爬虫的基础上改改图片路径和下一页路径就出来了,代码如下: //====================================================== // ...
- Node.js mimimn图片批量下载爬虫 1.00
这个爬虫在Referer设置上和其它爬虫相比有特殊性.代码: //====================================================== // mimimn图片批 ...
- Node.js meitulu图片批量下载爬虫1.051
原有1.05版程序没有断点续传模式,现在在最近程序基础上改写一版1.051. //====================================================== // m ...
- Node.js monly图片批量下载爬虫1.00
此爬虫又用到了iconv转码,代码如下: //====================================================== // mmonly图片批量下载爬虫1.00 ...
- 【Chrome】图片批量下载扩展zzllrr Imager小乐图客V1.4 (支持正则表达式、自定义JS代码、自定义引擎、多网站取图规则)...
小乐图客 - Chrome浏览器图片批量下载工具,升级至V1.4 该版本实现的功能: 1.右下角集成众多网站引擎(相似图片搜索.图片搜索.网页搜索.图片上传等等). 2.选项中增加各类设置的重置.导入 ...
- js进行图片本地下载(多张打包,单张)
js进行图片本地下载 这里我分两种一种是单张图片下载比较简单,另外一种是打包图片下载 批量图片下载 import JSZip from "jszip"; import FileSa ...
- 笨笨图片批量下载器 V0.3 beta[C# | WinForm | 正则表达式 | HttpWebRequest | Async异步编程] new...
前言 从[笨笨图片批量抓取下载 V0.2 beta]到[笨笨图片批量下载器 V0.3 beta]时间将近2个月,不是说这个升级版本开发了这么久,实在是懒,呵呵: )再加有时候工作忙.学习,多的时间就不 ...
- 【pyhon】nvshens图片批量下载爬虫1.01
# nvshens图片批量下载爬虫1.01 # 原先版本在遇到网络故障时回下载不全,这回更改了模式使得下载不成就重新下载,直到全部下载完毕 from bs4 import BeautifulSoup ...
- 笨笨图片批量下载器[C# | WinForm | 正则表达式 | HttpWebRequest]
截图 源代码: /Files/over140/ImagesBatchDownloading.rar 欢迎大家多多指教,可以考虑加入多线程和异步获取数据,并且正则表达式有待改善:) 请 ...
最新文章
- 我当了二十几年总经理,总结出这10条经验,看懂了你将少走些弯路
- topcoder13444
- 洛谷U4727小L的二叉树[树转序列 LIS]
- 重磅!GitHub官方App官宣发布了
- 基于SpringBoot+Mybatis+Thymeleaf商品信息管理系统
- 学习笔记 - Nginx在多层代理下获取真实客户端IP地址
- vue zxing 实现一维码、二维码扫描可移动端h5使用代码亲测可用
- DTcms Core项目发布到IIS教程
- 81-RabbitMQ详解
- 扫雷小游戏制作全过程
- adb无线连接控制android手机
- 非线性规划的拉格朗日乘子法python编程python包编程
- 实验室装水的容器叫什么_实验室常见水的种类_生命之源水
- AdGuard添加规则方法
- Ubuntu16.04安装Redshift色温调节工具
- Spring MVC框架——Web开发框架
- skywalking实战--agent异常日志监控
- 读书笔记-《ON JAVA 中文版》-摘要8[第八章 复用]
- 一段感情走到尽头的三大征兆
- Python根据IP查找所在地理位置与运营商
热门文章
- 一个跟jquery serializeArray()一起使用的函数,主要来方便提交表单。
- Sourceforge.net速度快的镜像 [zt]
- springboot静态网页放哪里_STEP4.1 第一个SpringBoot项目
- python文件引用其他文件中的变量
- 匿名内部类的简单使用
- 如何读取抓取的wifi包内容
- SQlite-数据库的访问实例(转)
- CentOS-6.4安装配置Nginx
- 12.04 scrum report
- 在Android Studio上进行OpenCV 3.1开发