用云函数快速实现图片爬虫

本文会跟大家介绍，如何在本地使用知晓云云函数 API 与 cheerio 开发一个图片爬虫，并使用 webpack 与 mincloud 将代码打包并上传部署到知晓云。

技术栈：

• 代码打包工具：webpack@4.20.2
• 部署工具：mincloud@1.0.2
• html 解析：cheerio@1.0.0-rc.2
• 其他：知晓云 Node SDK（云函数内置）

项目文件结构：

最终我们会使用以下两个命令来部署与测试

一、webpack 配置

由于使用的是 v4 的 webpack，所以只需要很少的配置就可以了。

二、package script 配置

添加 deploy 脚本，如下：

三、入口文件

云函数作为一个模块在沙箱环境中被调用执行，该模块需要暴露出一个 main 方法，模块代码结果如下：

我们的 webpack 入口文件需要暴露出一个函数（签名为：function (event, callback)），打包后就可以生成一个给个跟上面一致的模块文件（在 webpack.config.js 中已经定义了）。所以我们的入口文件主要结构如下：

四、爬虫

这里分为 4 个步骤：

• 抓取网页
• 解析页面，抓出所有 img 标签中的 src
• 将图片下载下来
• 将下载下来的图片上传到知晓云

使用知晓云 Node SDK 的 request 方法将网页下载下来（不能直接使用其他第三方 request 包）：

使用 cheerio 解析 html ，抓出所有的图片 url：

下载图片：

上传图片到知晓云：

完整代码如下：

五、部署并测试

跟 npm 一样，部署前需要先登录，请参照文档配置。
使用以下命令即可将云函数部署到知晓云。

npm run deploy 

执行结果如下：

使用以下的命令来测试：

执行结果如下：

执行成功后即可在知晓云文件模块看到抓取到的图片