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();
本文转自张昺华-sky博客园博客,原文链接:http://www.cnblogs.com/xiandedanteng/p/7833955.html,如需转载请自行联系原作者

Node.js aitaotu图片批量下载Node.js爬虫1.00版相关推荐

  1. 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: //====================================================== // ...

  2. 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 ...

  3. 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 ...

  4. 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 ...

  5. 【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 ...

  6. 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 ...

  7. 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 ...

  8. 【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 ...

  9. 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

  1. 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
  2. topcoder13444
  3. 洛谷U4727小L的二叉树[树转序列 LIS]
  4. 重磅!GitHub官方App官宣发布了
  5. 基于SpringBoot+Mybatis+Thymeleaf商品信息管理系统
  6. 学习笔记 - Nginx在多层代理下获取真实客户端IP地址
  7. 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
  8. DTcms Core项目发布到IIS教程
  9. 81-RabbitMQ详解
  10. 扫雷小游戏制作全过程
  11. adb无线连接控制android手机
  12. 非线性规划的拉格朗日乘子法python编程python包编程
  13. 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
  14. AdGuard添加规则方法
  15. Ubuntu16.04安装Redshift色温调节工具
  16. Spring MVC框架——Web开发框架
  17. skywalking实战--agent异常日志监控
  18. 读书笔记-《ON JAVA 中文版》-摘要8[第八章 复用]
  19. 一段感情走到尽头的三大征兆
  20. Python根据IP查找所在地理位置与运营商

热门文章

  1. 一个跟jquery serializeArray()一起使用的函数,主要来方便提交表单。
  2. Sourceforge.net速度快的镜像 [zt]
  3. springboot静态网页放哪里_STEP4.1 第一个SpringBoot项目
  4. python文件引用其他文件中的变量
  5. 匿名内部类的简单使用
  6. 如何读取抓取的wifi包内容
  7. SQlite-数据库的访问实例(转)
  8. CentOS-6.4安装配置Nginx
  9. 12.04 scrum report
  10. 在Android Studio上进行OpenCV 3.1开发