利用Nodejs Cheerio Request抓取Lofter美女图片

还是参考了这篇文章：

http://cnodejs.org/topic/54bdaac4514ea9146862abee

另外有上面文章 nodejs抓取网易公开课的一些经验。

代码如下，注意其中用到了 http获取网页结果，request进行http请求，cheerio进行解析，mkdirp创建目录，fs创建文件，iconv-lite进行格式转换（此例非必须）。

curl.js：

/*** Created by baidu on 16/10/17.*/
var http = require("http");function download(url, callback) {var chunks = [];http.get(url, function(res) {res.on('data', function(chunk) {chunks.push(chunk);});res.on('end', function () {callback(chunks);});}).on('error', function () {callback(chunks);})
}exports.download = download;

saveimage.js

/*** Created by baidu on 16/10/17.*/var fs = require('fs');
var request = require('request');var saveImage = function(url, filename) {console.log('Image=>' + url);request(url).pipe(fs.createWriteStream(filename));console.log('Save=>' + filename);
}exports.saveImage = saveImage;

HelloWorld.js

/*** Created by baidu on 16/10/17.*/console.log("Hello World");var cheerio = require('cheerio');
var curl = require('./curl');
var iconv = require('iconv-lite');
var mkdirp = require('mkdirp');
var saveimage = require('./saveimage');//var url = 'http://open.163.com/special/opencourse/englishs1.html';
var url = 'http://loftermeirenzhi.lofter.com/tag/%E4%BA%BA%E5%83%8F?page=';var dir = './images';mkdirp(dir, function(err) {if (err) {console.log(err);}
});curl.download(url, function (chunks) {if (chunks) {var data = iconv.decode(Buffer.concat(chunks), 'gbk');var $ = cheerio.load(data);$('a.img').each(function (i, e) {var item = $(e).children('img').last().attr('src');saveimage.saveImage(item, dir + '/' + item.substr(item.indexOf('.jpg')-10, 14));});console.log('done');}else {console.log('error');}
});

运行之后，发现基本上下载的图片文件都是空。

 

看了例子，将saveimage.js中的request部分做了一些修改，如下：

/*** Created by baidu on 16/10/17.*/var fs = require('fs');
var request = require('request');var saveImage = function(url, filename) {console.log('Image=>' + url);request.head(url, function(err, res, body) {request(url).pipe(fs.createWriteStream(filename));});console.log('Save=>' + filename);
}exports.saveImage = saveImage;

然后运行，成功，打印：

/usr/local/bin/node /Users/baidu/Documents/Data/Work/Code/Self/nodejs/helloworld/HelloWorld.js
Hello World
Image=>http://imgsize.ph.126.net/?imgurl=http://img2.ph.126.net/CiL5IULFm0TtZBjxnhcfQQ==/52072870709354180.jpg_110x110x0x90.jpg
Save=>./images/0709354180.jpg
Image=>http://imglf1.nosdn.127.net/img/SzZqcDg4Rk01VGo5cW81TEorTU5zL2dCbjBLbktBODlCSkFGSXlIdEw5dEFvSDlGaTNjZmJ3PT0.jpg?imageView&thumbnail=500x0&quality=96&stripmeta=0&type=jpg
Save=>./images/TNjZmJ3PT0.jpg
......
done

然后项目目录中，生成了images目录，其中有美女图片：

 

对上面这个改动能起到效果，还不是特别明白。(head一般用来判断url是否有效。)

加了head成功，也有可能是因为第一次图片虽然没下载成功，但是已经启动下载，做了缓存。实验了一下，在成功一次之后，把head命令去掉：

//request.head(url, function(err, res, body) {request(url).pipe(fs.createWriteStream(filename));
//});

发现还是能够成功。所以有很大可能是图片加载延迟造成。

有时间的时候，要看一下，怎样避免图片下载超时导致下载失败的问题，有没有设置超时的地方。

好像在request初始化的时候，可以设置：

request({url: jurl,gzip: true,timeout: xxx})

后面再学习 Javascript Request 以及 渲染的一些内容。尤其是 phantomjs 渲染动态网页的方式。