教你简单的抓图代码

教你简单的抓图代码

点点

2021-05-03 19:06 阅读 363 喜欢 1

API其实很简单,记录下,主要是抓了没十几页..IP就被封了,下面还加上抓代理IP并自动切换的故事。

代理IP - 拿的齐云代理

//获取齐云代理的数据

let cheerio = require('cheerio');

let axios = require('axios');


let getHtml = function(pageIndex){
let url = `http://www.qydaili.com/free/?action=china&page=${pageIndex}` ;
return axios.get(url)
.then(rs=>{return rs.data});
}

let getTable = function(html){

let $ = cheerio.load(html);
let $container = $('.container');
let $trs = $container.find('tbody tr');
let arr = [];
$trs.each((i,item)=>{
    let ip = $(item).find('td[data-title="IP"]').text().replace('IP','');
    let port = $(item).find('td[data-title="PORT"]').text().replace('PORT','');
    let type = $(item).find('td[data-title="类型"]').text().replace('类型','');
    arr.push({
        ip : ip,
        port : port,
        type : type,
        isHttps : type == 'HTTPS' ? true : false,
        str : ip+':'+port
    });
})
return arr;
}


module.exports = async function(pagesize){
let html = await getHtml(pagesize);
let arr = getTable(html);
return arr;
}

提供页码数,然后获得页面上的代理IP信息,返回即可,后续使用http 或 https 由客户端决定。

好好住抓图

API 地址: https://www.haohaozhu.cn/f/y/api/Share/AllPhotoInPc
请求参数:

keyword : '',//关键词
page : page,//页数
time : +new Date()//请求时间

代码

//好好住.. 抓图,为装修找灵感

 let axios = require('axios');
 let qs = require('querystring');
 let fs = require('fs');
 let async = require('async');

 let url = 'https://www.haohaozhu.cn/f/y/api/Share/AllPhotoInPc';

let page = 1;
let map = {};
let ippool = [];//ip proxy pool

const tunnel = require('tunnel')



let getIpsFn = require('./getIps');
let currentIpsIndex = 0;
let getIps = async function(){
 currentIpsIndex ++ ;
let arr =await  getIpsFn(currentIpsIndex);
let httpsArr = [];
arr.forEach(item=>{
    if(item.isHttps){
        httpsArr.push(item);
    }
})
if(httpsArr.length == 0){
    httpsArr = await getIps();
}
console.table(httpsArr);
return httpsArr;
}

//cip : 是否切换IP
let getPicData = function(page,ipItem){
console.log(`当前使用的代理:${ipItem ? ipItem.str : '无'}`);
const tunnelProxy = ipItem ? tunnel.httpsOverHttp({
    proxy: {
        host: ipItem.ip,
        port: ipItem.port,
    },
}) : null;
return axios({
    url : url,
    method : 'post',
    data : qs.stringify({
        keyword : '',
        page : page,
        time : +new Date()
    }),
    proxy : false,
    httpsAgent : tunnelProxy,
    timeout : 10000,
    headers : {

        'accept': 'application/json, text/plain, */*',
        'accept-encoding': 'gzip, deflate, br',
        'accept-language': 'en,zh-CN;q=0.9,zh;q=0.8',
        'cache-control': 'no-cache',
        // 'content-length': '25',
        'content-type': 'application/x-www-form-urlencoded',
        'origin': 'https://www.haohaozhu.cn',
        'pragma': 'no-cache',
        'referer': 'https://www.haohaozhu.cn/community/discover',
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.142 Safari/537.36'
    }

})
.then(rs=>{
    console.log(`获取到正常数据`)
    // console.log(rs);
    return rs.data;
})
.catch(err=>{
    //如果报错,全部认为超时,换IP
    console.log('这里的错误???')
    console.log(err.message);
    return {code : 2};
})

}
//抓取单个图片并进行保存
function fetchImg(item){
return new Promise((resolve,reject)=>{
    if(!fs.existsSync('./'+item.folder+'/'+item.name)){
        axios({
            url : item.url,
            method : 'get',
            timeout : 5000,
            responseType : 'stream',
            onDownloadProgress : function(er){
                console.log(er);
            },
            headers : {
                'referer': 'https://www.haohaozhu.cn/community/discover',
                'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.142 Safari/537.36'
            }
        })
        .then(rs=>{
            console.log('抓取数据中...准备写入['+item.name+']')
            let imgPath = './'+item.folder+'/'+item.name;
            const ws = fs.createWriteStream(imgPath);
            //当前图片写入完毕
            var t = setTimeout(function(){
                console.log(`超时未写入,删除文件...继续`)
                fs.unlinkSync(imgPath);
                resolve();
            },15000);//
            ws.on('close',()=>{
                clearInterval(t);
                resolve();
            });
            ws.on('error',(err)=>{
                resolve();
            })

            rs.data.pipe(ws);
        })
        .catch(err=>{
            console.log(err.message);
            resolve();
        })
    }else{
        console.log(`已经存在文件:${item.name}`);
        resolve();
    }
});
}
 function waitFor(time){
return new Promise((resolve,reject)=>{
    setTimeout(function(){
        resolve();
    },time);
});
}
//
;(async function start ( page,cip ){
try{
    console.log(`启动抓取,当前页面:${page}`)
    let data = await getPicData(page,cip);
    if(null != data && undefined != data && data.data.rows.length == 0 && data.code == 1){
        console.log(`已经没有数据可抓......-0---OVER`)
        page = 1;
        await start(page,cip);
    }else if(null == data || undefined == data || null == data.data || undefined == data.data || data.code == 2){//IP proxy
        //切换ip 代理池。
        if(ippool.length == 0){
            ippool = await getIps();
        }
        let ipItem = ippool.splice(0,1);
        await start(page,ipItem[0]);
    }else{
        //json 存储起来
        fs.writeFileSync('./json/'+page+'.json',JSON.stringify(data));
        var rows = data.data.rows;
        let imgList = [];
        rows.forEach(item=>{
            let photo = item.photo,
                info = photo.photo_info,
                tag = info.admin_tag,
                list = info.image_list;
            var imgArr = list.map(img=>{
                return {
                    folder : 'img',
                    id : img.pic_id,
                    url : img.ori_pic_url,
                    name : tag+'_'+img.pic_id+'.png'
                };
            });
            imgArr.push({
                folder : 'avatar',
                url : photo.user_info.big_avatar,
                name : photo.user_info.uid+'.png'
            });
            imgList = imgList.concat(imgArr);
        })

        console.log(`当前页面共有图片:${imgList.length}张`)
        //循环下载...
        for(const item of imgList){
            // let item = imgList[i];
            if(item.id && map[item.id]){
                console.log(`已存在该图片`)
            }else{
                await fetchImg(item);    
            }
        } 
        console.log(` 当前页面抓取结束`)
        //开始继续下一个,直接没有数据再进行结束
        page++;
        //等待10分钟后,继续执行
        await start(page,cip);
    }
}catch(e){
    if(ippool.length == 0){
        ippool = await getIps();
    }
    let ipItem = ippool.splice(0,1);
    await start(page,ipItem[0]);
    //有报错?不怕死。重新来
}
})(1);

伴随着数据后,主要是图片的存储,所以整体上来说,难度有点低。

axios 代理

代理使用了模块tunnel.

const tunnelProxy = ipItem ? tunnel.httpsOverHttp({
    proxy: {
        host: ipItem.ip,
        port: ipItem.port,
    },
}) : null;
 axios({
    url : url,
    method : 'post',
    proxy : false,
    httpsAgent : tunnelProxy,
    timeout : 10000
});

不知道是代理的问题还是代码的问题,总之,代码运行一段时间后...就卡那了,还没发现是哪里导致的,初步推测可能是好好住服务器给挂住请求了..

转载请注明出处: http://sdxlp.cn/article/技术.html


如果对你有用的话,请赏给作者一个馒头吧 ...或帮点下页面底部的广告,感谢!!

赞赏支持
提交评论
评论信息(请文明评论)
暂无评论,快来快来写想法...
推荐
手机已经成为我们必备的生活工具,如果遇到需要将几张图片拼合在一起的情况时,用手机应该使用什么应用可以达到效果呢,怎么把几张图片拼合成一张照片呢,具体该怎么操作,下面就和小编一起来看看吧!
听到好微信的音频,该如何去下载?视频可以去腾讯视频里搜视频名字,可以找得到视频页面链接。音频有两种:音乐就直接去后台搜,如果是录音的那种音频,用以下方法下载。免费保证百分百成功。
苹果最新的iPhone13系列手机都是支持NFC功能,但是很多小伙伴在想要使用的同时,不知道这个功能怎么才能开启,想要使用但是不知道怎么操作,那么下面就让点点给小伙伴们介绍一下具体的功能开启方式,详细的展示一下操作步骤。
智能手机成为我们生活中必不可少的生活用品,当我们在使用手机的时候,可以下载微信app来与好友取得联系,但是有时候微信会看不到,又遇到特别急的事情,那怎么在是好友状态不知道手机号的情况下,给其打电话。在微信内,一般用户都会绑定自己的手机号码,那么如何通过微信号来查询对应的手机号呢?接下来就由点点来告诉小伙伴们。
如果页面比较多的,一个页面一个页面的保存的话,就比较费劲了。一个自动抓取静态站资源的工具,可以在抓取静态站点的时候方便不少。
现在小伙伴们都会在手机端的微信中创建笔记,但是在电脑端该怎么创建呢?今天就跟小伙伴们介绍一下如何在电脑端微信中新建笔记的具体操作步骤。
公司报销的时候虽然已经有了电子发票,但是贴票还是需要将发票打印出来贴上,如果只有一两张也就算了,如果几十张.. 找了好多工具、在线版本都不合心意,做个自己喜欢的吧。
手机版微信软件别很多小伙伴使用,用来聊天,支付等,有的小伙伴们在使用该软件时,想要在视频号中看好友的视频,但是却不知道如何寻找好友,那么小编就来为小伙伴们介绍一下吧。