Node.js meitulu图片批量下载爬虫1.06版
//====================================================== // https://www.meitulu.com图片批量下载Node.js爬虫1.06 // 1.00 完成图片爬虫,手动输入页数和目录 // 1.01 改写。 // 1.02 手动输入页面url,然后自动解析 // 1.03 从命令行获得页面url,然后自动解析 // 1.04 解决数量节点位置不固定bug和输入状态不退出bug // 1.05 增加自动模式和手动模式 // 1.06 更改为按名字搜索页批量下载 // 2017年11月9日 //======================================================// 内置https模块,用来解析页面得到页数(图片总数)和目录(图片所在网络目录) var https=require("https");// 内置http模块,用来通过地址得到图片文件 var http=require("http");// 用于解析gzip网页(ungzip,https得到的网页是用gzip进行压缩的) var zlib = require('zlib'); // cheerio模块,提供了类似jQuery的功能,用于从HTML code中查找页数和目录 var cheerio = require("cheerio");// 内置文件处理模块,用于创建目录和图片文件 var fs=require('fs');// 请求参数JSON。http和https都有使用 var options;// request请求 var req;//-------------------------------------- // 程序入口 //-------------------------------------- function getInput(){process.stdout.write("\033[35m 请输入按名称搜索的页面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 findPageUrls(text.trim());// trim()是必须的! }); }//-------------------------------------- // 在按名称搜索的页面找到单页url // batchPageUrl sample1:https://www.meitulu.com/t/mikie-hara/ // batchPageUrl sample2:https://www.meitulu.com/search/%E5%8E%9F%E5%B9%B2 // sample2类似的地址可能要尝试多次 //-------------------------------------- function findPageUrls(batchPageUrl){console.log("开始查找单页urls");var hostName="";var Path="";var arr=batchPageUrl.split("/");hostName=arr[2];console.log("hostName="+hostName);// 以是否以‘/’结尾区分两种情况if(batchPageUrl.charAt(batchPageUrl.length-1)=='/'){// 带斜杠的是点名字出来的已设定地址Path="/"+arr[3]+"/"+arr[4]+"/";}else{// 不带斜杠的是按关键字搜索出来的Path="/"+arr[3]+"/"+arr[4];}console.log("Path="+Path);// 初始化options options={hostname:hostName,port:443,path:Path,// 子路径method:'GET',agent:false,gzip: true, };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);zlib.gunzip(buffer, function(err, decoded) {if(err){console.log("[findPageUrls]不能得到页面:"+batchPageUrl+"对应的html文本,错误是:"+err);console.log(err);}else{//console.log(decoded.toString());// gzip解压后的html文本var body=decoded.toString(); var $ = cheerio.load(body); // 查找所有class为boxs的节点下面的ul li a节点$(".boxs ul li a").each(function(index,element){var text=$(element).attr("href");// 有https://www.meitulu.com/item的地址的链接是目标if(text.indexOf('https://www.meitulu.com/item')!=-1){console.log("pageUrl="+text);start(text);}}) } })}).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('[findPageUrls]socket端口连接超时。');console.log(err);}else{console.log('[findPageUrls]请求发生错误,err.code:'+err.code);console.log(err);}});// 请求结束 req.end(); }//-------------------------------------- // 开始单页下载 //-------------------------------------- function start(pageUrl){console.log("开始下载...");var hostName="";var Path="";var arr=pageUrl.split("/");hostName=arr[2];Path="/"+arr[3]+"/"+arr[4];// 初始化options options={hostname:hostName,port:443,path:Path,// 子路径method:'GET',agent:false,gzip: true,};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);zlib.gunzip(buffer, function(err, decoded) {var endIndex=-1;var folder="";if(err){console.log("不能得到html文本,因为"+err);console.log("请使用 1.05版本里的 1.手动模式 下载 "+pageUrl);}else{//console.log(decoded.toString());// gzip解压后的html文本var body=decoded.toString();var $ = cheerio.load(body);// 查找所有class为c_l的节点下面的p节点$(".c_l p").each(function(index,element){var text=$(element).text();if(text.indexOf("数量")!=-1 && endIndex==-1){var arr=text.split(" ");endIndex=arr[1];}}) // 查找所有class为c_l的节点下面的p节点$(".content center img").each(function(index,element){if(index==0){var text=$(element).attr("src");var arr=text.split("/");folder=arr[arr.length-2]; }}) console.log("页数="+endIndex);console.log("目录="+folder); fs.mkdir('./'+folder,function(err){if(err){console.log("目录"+folder+"已经存在");}}); } // 下载图片for(var i=1;i<=endIndex;i++){downloadPic(folder,i);}})}).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('[start]socket端口连接超时。');console.log(err);}else{console.log('[start]请求发生错误,err.code:'+err.code);console.log(err);}});// 请求结束 req.end(); }//-------------------------------------- // 下载图片 // folder:图片所在url的目录 // pinctureIndex:图片序号 //-------------------------------------- function downloadPic(folder,pinctureIndex){console.log("图片:"+pinctureIndex+"下载开始");// 初始化optionsoptions={hostname:'mtl.ttsqgs.com',// 这里别加http://,否则会出现ENOTFOUND错误port:80,path:'/images/img/'+folder+'/'+pinctureIndex+'.jpg',// 子路径method:'GET',};req=http.request(options,function(resp){var imgData = "";resp.setEncoding("binary"); resp.on('data',function(chunk){imgData+=chunk; });resp.on('end',function(){var fileName="./"+folder+"/"+pinctureIndex+".jpg";fs.writeFile(fileName, imgData, "binary", function(err){if(err){console.log("文件"+fileName+"下载失败.");}console.log("文件"+fileName+"下载成功");}); });});// 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('[downloadPic]socket端口连接超时。');console.log(err);}else{console.log('[downloadPic]请求发生错误,err.code:'+err.code);console.log(err);}});// 请求结束 req.end(); }// 调用getInput函数,程序开始 getInput();
2017年11月10日07:02:27
Node.js meitulu图片批量下载爬虫1.06版相关推荐
- 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 ...
- 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 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: //====================================================== // aitaot ...
- 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: //====================================================== // ...
- 【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 ...
- 【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 ...
- 【pyhon】怨灵侍全本漫画批量下载爬虫1.00
代码: # 怨灵侍全本漫画批量下载爬虫1.00 # 拜CARTOON.fydupiwu.com整理有序所赐,寻找图片只要观察出规律即可,不用费劲下一页的找了 import time import ur ...
- Node.js脚本项目合集(一):Node.js+FFmpeg实现批量从B站导出离线缓存视频到mp4格式,mp4转mp3,实现听歌自由
Node.js脚本项目合集(一):Node.js+FFmpeg实现批量从B站导出离线缓存视频到mp4格式,mp4转mp3,实现听歌自由 前言 一.准备工作以及介绍 1.什么是FFmpeg 2.FFmp ...
- 自己动手写工具:百度图片批量下载器
开篇:在某些场景下,我们想要对百度图片搜出来的东东进行保存,但是一个一个得下载保存不仅耗时而且费劲,有木有一种方法能够简化我们的工作量呢,让我们在离线模式下也能爽爽地浏览大量的美图呢?于是,我们想到了 ...
最新文章
- 独家 | 融资2.1亿商汤领投,他要用VR+AR解决无人驾驶的路测难题
- 听说又被 JVM 内存区域方面的面试题给虐了?看看这篇文章吧!
- 新手探索NLP(一)
- 作为一名Java程序员,这些Spring知识点面试官常考
- 面对百亿用户数据,日均亿次请求,携程应用架构如何涅槃?
- asp伪装成jsp的方法
- 判断101-200之间有多少个素数,并输出所有素数(C)
- 贪吃蛇一直显示正在连接服务器,贪吃蛇大作战进不去怎么办 解决方法
- HBuilder/Mui开发ios使用上拉刷新导致滚动条无法使用的解决方法
- 【算法导论】第5章,概率分析和随机算法
- python无法启动此程序因为_python报错:无法启动此程序,因为计算机中丢失
- mysql数据库面试题学生表_SQL笔试题:下面是学生表(student)的结构说明
- 电商扣减库存_什么样的电商产品经理更值钱?先解决这个难题!
- Spring框架浅谈及Spring框架学习小结
- C语言求两点之间的距离程序,C语言求空间两点之间的距离
- VS code + Java 配置与使用
- Unity多人联机框架Mirro学习记录(一)
- 蓝牙LMP响应超时 BLE_HCI_STATUS_CODE_LMP_RESPONSE_TIMEOUT
- 为什么学python?怎么学?怎样算学会?
- YouTube深度学习推荐