Node.js怎么實現爬取網站圖片

這篇文章主要介紹“Node.js怎么實現爬取網站圖片”，在日常操作中，相信很多人在Node.js怎么實現爬取網站圖片問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”Node.js怎么實現爬取網站圖片”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

涉及知識點

開發一個小爬蟲，涉及的知識點如下所示：

• https模塊，主要是用戶獲取網絡資源，如：網頁源碼，圖片資源等。

• cheerio模塊，主要用于解析html源碼，并可訪問，查找html節點內容。

• fs模塊，主要用于文件的讀寫操作，如保存圖片，日志等。

• 閉包，主要是對于異步操作，對象的隔離保護。

cheerio簡介

什么是cheerio ?

cheerio是為服務器特別定制的，快速、靈活、實施的jQuery核心實現。主要用于在服務端解析html。特點如下所示：

• 易用，語法類似jQuery語法，從jQuery庫中去除了所有 DOM不一致性和瀏覽器尷尬的部分。

• 解析快，比JSDOM快八倍。

• 靈活，Cheerio 封裝了兼容的htmlparser。Cheerio 幾乎能夠解析任何的 HTML 和 XML document。

安裝cheerio

首先在命令行，切換到程序目錄，然后輸入安裝命令進行安裝，如下所示：

cnpm install cheerio

安裝過程，如下所示：

準備工作

在編寫爬蟲之前，首先需要分析目標內容，本次需要爬取的是某網站，星空類型的圖片內容，經過分析，發現所有的圖片都是在ul下每一個li中的a標簽內的img中，本次只需要解析出img的src屬性，即可獲取圖片的下載路徑。如下所示：

核心代碼

經過以上分析，通過Node.js編寫代碼，分為兩步，獲取所有圖片的url路徑，即解析所有目標img元素的src屬性。然后再下載具體圖片進行保存即可。

引用所需要的功能模塊，如下所示：

var https = require('https');
var cheerio = require('cheerio');
var fs = require('fs');

獲取并解析html頁面內容，如下所示：

//爬取的網址
var addrs=['https://www.*****.com/topic/show_27202_1.html','https://www.******.com/topic/show_27202_2.html','https://www.*****.com/topic/show_27202_3.html'];
var logger = fs.createWriteStream('./download/log.txt',{flags:'a+',autoClose:'true'});

for(i in addrs){
    (function(num){
   var addr = addrs[num];
   //創建目錄
   var p1 = new Promise(function(resolve,reject){
     fs.access('./download',function(err){
       if(err){
           fs.mkdir('./download',function(e){
               if(e){
                   console.log('創建失敗');
               }
           });
        }else{
            resolve("success");
        }
       });
   });

   p1.then(function(datas){
       var html='';
       var p2 = new Promise(function(resolve,reject){
           https.get(addr,function(res){
                res.on('data',function(data){
                    html+=data.toString();
                })
                res.on('end',function(){
                    resolve("success");
                });

            });

       });
      p2.then(function(data){
        //下載完成后，進行解析
        const $ =cheerio.load(html);
        var lis = $('#img-list-outer').find('li');
        for(var j=0;j<lis.length-1;j++){
            var li = lis[j];
            var src =$(li).find('a').find('img').attr('src');
            //console.log(src);
            //console.log('-------------------------');
            var imgurl='https:'+src;
            download(imgurl);
            var msg='['+j+']下載成功：'+imgurl;
            logger.write(msg+'\n');
            console.log(msg);
        }
      });
   });
   })(i);
}

注意：因為所有爬取的目標共分為3頁，所以用到了循環，并且在循環中用到了閉包。

下載并保存單張圖片代碼，如下所示：

//下載圖片
function download(imgurl){
    var p1 = new Promise(function(resolve,reject){
        https.get(imgurl,function(res){
            var imgName=imgurl.substr(imgurl.lastIndexOf('/')+1);
            var stream = fs.createWriteStream('./download/'+imgName);
            res.pipe(stream);
            setTimeout(function(){
                resolve('success');
            },300);

        });
    });
    p1.then(function(data){
        return;
    });
}

示例截圖

開發完成后，運行代碼，如下所示

爬取的圖片，保存在文件夾中，如下所示：

注意：添加日志，是為了方便記錄程序執行過程，對比圖片和日志，便于發現問題。

到此，關于“Node.js怎么實現爬取網站圖片”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！