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 371 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
日常生活中,微信已经成为小伙伴们广泛使用的通讯软件,那么微信中的聊天记录,图片,视频,音频,文档等都成为重要的法律证据,该如何保存?微信 for Windows聊天记录备份与恢复功能可以将手机微信上的聊天记录备份到电脑。也可将已经备份到电脑上的聊天记录恢复到手机中。
小米手机很早已推出了门禁卡功能,目前后知后觉的华为手机也在内测版的“钱包”应用内,增加了“门钥匙”功能。使用该功能结合手机NFC,可以将华为手机秒变门钥匙,轻松开门禁。免去忘记带门禁卡,在小区门口漫长等待的烦恼。
微信发现页面的游戏功能,时不时就会出现游戏消息提醒,非常影响使用体验,在哪里关闭微信游戏消息提醒呢,怎么屏蔽微信游戏消息,下面就和点点一起来看看吧!希望可以和小伙伴们一起提高生活质量。
当下时代,PPT是十分常用的文件类型之一,成为我们生活与工作中的助力,有些小伙伴们不知道如何在PPT文档中插入Word文档,接下来小编就给小伙伴们介绍一下具体的操作步骤。
现在有很多企业都在使用钉钉办公,有些小伙伴嘛呢不知道电脑钉钉怎么设置OA审批人员,接下来小编就给小伙伴们介绍一下具体的操作步骤。
网络现在覆盖率越来越大了,在电脑上连接公司内网,可以让我们的网络环境变成专用网络,更便捷、高效的办公,那你知道怎么在自己的电脑上连接公司内网吗?
智能手机的微信是目前受众用户群体广泛的社交平台,现在通过微信联系,然后微信上的数据也是非常重要的,无论是聊天记录的文字、语音、图片还是视频都是非常重要,如果微信聊天语言误删除怎么恢复呢?那么有什么方法可以帮你恢复呢?
青少年玩游戏的很多,但大部分都是用家长的手机,玩游戏哪就免不了会充个会员啊!买个装备之类,这就需要钱了,微信的钱就会不知不觉的少掉,家长该怎么处理那?目前青少年模式需要更新微信ios最新版本7.0.17以上的版本才可以使用。