nodejs 实现异步并发爬虫

const https=require(‘https’);

const fs=require(‘fs’);

const request=require(‘request’);

const async=require(‘async’);

const startPage =0;//开始页

const endPage = 1;//结束页

let page=startPage;

let i=0;

//初始url

const url={

hostname: ‘www.toutiao.com’,

path: ‘/search_content/?offset=’+startPage*20+‘&format=json&keyword=%E8%A1%97%E6%8B%8D&autoload=true&count=20&cur_tab=3&from=gallery’,

headers: {

‘Content-Type’: ‘text/html’,

‘User-Agent’: ‘Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/46.0.2490.86 Safari/537.36’,

}

}

let urlList=[];//存储图片页面地址

//获取图片所在页面

function getUrl(url){

//采用http模块向服务器发起一次get请求

https.get(url,function(res){

var html=‘’;

res.setEncoding(‘binary’);

//监听data事件，每次取一块数据

res.on(‘data’,function(chunk){

html+=chunk;

});

res.on(‘end’,function(){

html=JSON.parse(html);//由于获取到的数据是JSON格式的，所以需要JSON.parse方法浅解析

for(let i of html.data){

var obj ={title:i.title,url:i.article_url};

urlList.push(obj);

}

console.log(urlList.length);

page++;

if(page<=endPage){

let tempUrl=‘https://www.toutiao.com/search_content/?offset=’+page*20+‘&format=json&keyword=%E8%A1%97%E6%8B%8D&autoload=true&count=20&cur_tab=3&from=gallery’;

getUrl(tempUrl);

}else{

fetchPage();

}

})

}).on(‘err’,function(err){

console.log(err);

})

}

function fetchPage(){

//异步控制并发

async.mapLimit(urlList,5,function(url,callback){

//截取字符串拼接为图片所在文章地址

url.url=‘https://www.’+url.url.substring(7,19)+‘a’+url.url.substring(25);

https.get(url.url,function(res){

let html=‘’;

res.setEncoding(‘binary’);

res.on(‘data’,function(chunk){

html+=chunk;

})

res.on(‘end’,function(){

var news_item = {

//获取文章的标题

title: url.title,

//i是用来判断获取了多少篇文章

i: i = i + 1,

};

console.log(news_item); //打印信息

//用来匹配script中的图片链接

const reg=/http:\/\/p\d.pstatp.com\/origin(\/pgc-image)?\/[A-Za-z0-9]+/g;

let imageList=html.match(reg);

savedImg(imageList,url.title);

})

}).on(‘err’,function(err){

console.log(err);

});

callback(null,‘成功’);

},

function(err,result){

if (err){

console.log(err)

}

else{

console.log(‘结束’);

}

})

}

function savedImg(imageList,title){

fs.mkdir(‘./image/’+title,function(err){

if(err){console.log(err)};

});

console.time(‘下载’+title+‘耗时’);

imageList.forEach(function(item,index){

let img_title=index;

let img_filename = img_title + ‘.jpg’;

let img_src=‘http://’+item.substring(9);

request({uri:img_src,encoding:‘binary’},function(err,res,body){

if(!err&&res.statusCode==200){

fs.writeFile(‘./image/’+title+‘/’ + img_filename,body,‘binary’,function(err){

if(err){

console.log(err);

}

})

}

})

最后

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数初中级Android工程师，想要提升技能，往往是自己摸索成长，自己不成体系的自学效果低效漫长且无助。

因此收集整理了一份《2024年Web前端开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Android开发知识点！不论你是刚入门Android开发的新手，还是希望在技术上不断提升的资深开发者，这些资料都将为你打开新的学习之门！

如果你觉得这些内容对你有帮助，需要这份全套学习资料的朋友可以戳我获取！！

由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且会持续更新！
droid开发知识点！不论你是刚入门Android开发的新手，还是希望在技术上不断提升的资深开发者，这些资料都将为你打开新的学习之门！**

如果你觉得这些内容对你有帮助，需要这份全套学习资料的朋友可以戳我获取！！

由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且会持续更新！