nodejsは異歩併発爬虫類を実現します.
先日は簡単なドリアンと今日の最初の写真を実現しました.しかし、彼らはすべての欠点があります.現在の任務を完成してから、次の任務を行うことができます.だからネットで検索しました.以前はコンピュータの専門ではなかったので、初めの時は異歩と同時進行の概念を理解するために時間がかかりました.上に閉塞と非同期の違いを説明する文章があると知っていますが、どうやって閉塞と同期非同期の違いを理解しますか?自分で非を理解して同期とは
コードを修正しました
具体的な操作手順はnodejsが動画サイトに登って今日の頭条街で写真を撮ることを例にします.jsのコードを修正しただけですので、ここでは具体的な手順は説明しません.非同期化モジュールは
async.mapLimit
で実装される.具体的な呼び出し方法は、以下のようにasync.mapLimit(coll, limit, iteratee, callback opt)
各パラメータの意味があります.パラメータ
タイプ
意味
コール
Aray/Iterable/object
反復する集合
limie
number
一回の非同期操作の最大数量
iteratee
Aync Function
coll
の各アイテムに対して、非同期関数が反復的に実行される.(item, callback)
で呼び出し、callback
はオプションです.calback
[function]
すべての
iteratee
関数が完了した後、またはエラーが発生した時にトリガされるコールバック関数です.(err, results)
で呼び出します.results
は、iteratee
関数が完了した後にcallback
をトリガするときに渡されるアイテムでありうる.前のコードを規範化して、すべてのvarを削除しました.定数は全部constに変えました.変数はletです.
完全なjsコードは以下の通りです.
/*
* @Author: user
* @Date: 2018-05-02 09:46:38
* @Last Modified by: user
* @Last Modified time: 2018-05-02 09:46:45
*/
const https=require('https');
const fs=require('fs');
const request=require('request');
const async=require('async');
const startPage =0;//
const endPage = 1;//
let page=startPage;
let i=0;
// 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=[];//
//
function getUrl(url){
// http get
https.get(url,function(res){
var html='';
res.setEncoding('binary');
// data ,
res.on('data',function(chunk){
html+=chunk;
});
res.on('end',function(){
html=JSON.parse(html);// JSON , JSON.parse
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(){
//
async.mapLimit(urlList,5,function(url,callback){
//
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 = {
//
title: url.title,
//i
i: i = i + 1,
};
console.log(news_item); //
// script
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,' ');
},
function(err,result){
if (err){
console.log(err)
}
else{
console.log(' ');
}
})
}
function savedImg(imageList,title){
fs.mkdir('./image/'+title,function(err){
if(err){console.log(err)};
});
console.time(' '+title+' ');
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);
}
})
}
})
})
console.timeEnd(' '+title+' ');
}
getUrl(url);//
後記プロミス関数についてはよく知っていましたが、具体的なプロジェクトでは使ったことがありません.今回の爬虫類を通じてプロミセとasyncについてもっと詳しく知りました.科の出身ではないので、異歩の概念に対しては最初から概念がなく、自分の基礎知識の部分的な欠陥を補っています.