教你简单的抓图代码

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..