位置: 编程技术 - 正文

Nodejs爬虫进阶教程之异步并发控制(nodejs爬取数据)

编辑:rootadmin

推荐整理分享Nodejs爬虫进阶教程之异步并发控制(nodejs爬取数据),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:nodejs爬虫技术,node.js爬虫教程,nodejs爬虫技术,nodejs爬虫框架crawler,nodejs爬取数据,nodejs爬虫技术,node js爬虫,nodejs爬虫技术,内容如对您有帮助,希望把文章链接给更多的朋友!

之前写了个现在看来很不完美的小爬虫,很多地方没有处理好,比如说在知乎点开一个问题的时候,它的所有回答并不是全部加载好了的,当你拉到回答的尾部时,点击加载更多,回答才会再加载一部分,所以说如果直接发送一个问题的请求链接,取得的页面是不完整的。还有就是我们通过发送链接下载图片的时候,是一张一张来下的,如果图片数量太多的话,真的是下到你睡完觉它还在下,而且我们用nodejs写的爬虫,却竟然没有用到nodejs最牛逼的异步并发的特性,太浪费了啊。

思路

这次的的爬虫是上次那个的升级版,不过呢,上次那个虽然是简单,但是很适合新手学习啊。这次的爬虫代码在我的github上可以找到=>NodeSpider。

整个爬虫的思路是这样的:在一开始我们通过请求问题的链接抓取到部分页面数据,接下来我们在代码中模拟ajax请求截取剩余页面的数据,当然在这里也是可以通过异步来实现并发的,对于小规模的异步流程控制,可以用这个模块=>eventproxy,但这里我就没有用啦!我们通过分析获取到的页面从中截取出所有图片的链接,再通过异步并发来实现对这些图片的批量下载。

抓取页面初始的数据很简单啊,这里就不做多解释啦

模拟ajax请求获取完整页面

接下来就是怎么去模拟点击加载更多时发出的ajax请求了,去知乎看一下吧!

Nodejs爬虫进阶教程之异步并发控制(nodejs爬取数据)

有了这些信息,就可以来模拟发送相同的请求来获得这些数据啦。

在代码中post这条请求 异步并发控制下载图片再获取完了所有的图片链接之后,即判定response.msg为空时,我们就要对这些图片进行下载了,不可能一条一条下对不对,因为如你所看到的,我们的图片足足有

没错,2万多张,不过幸好nodejs拥有神奇的单线程异步特性,我们可以同时对这些图片进行下载。但这个时候问题来了,听说同时发送请求太多的话会被网站封ip哒!这是真的吗?我不知道啊,没试过,因为我也不想去试( ̄? ̄〃),所以这个时候我们就需要对异步并发数量进行一些控制了。

在这里用到了一个神奇的模块=>async,它不仅能帮我们拜托难以维护的回调金字塔恶魔,还能轻松的帮我们进行异步流程的管理。具体看文档啦,因为我自己也不怎么会用,这里就只用到了一个强大的async.mapLimit方法。真的很厉害哦。

先看这里=>

mapLimit方法的第一个参数photos是所有图片链接的数组,也是我们并发请求的对象,asyncNum是限制并发请求的数量,如果没有这个参数的话,将会有同时两万多条请求发送过去,嗯,你的ip就会被成功的封掉,但当我们有这个参数时,比如它的值是,则它一次就只会帮我们从数组中取条链接,执行并发的请求,这条请求都得到响应后,再发送下条请求。告诉泥萌,并发到同时条没有事的,下载速度超级快,再往上就不知道咯,你们来告诉我...

以上所述给大家介绍了Nodejs爬虫进阶教程之异步并发控制的相关知识,希望对大家有所帮助。

使用基于Node.js的构建工具Grunt来发布ASP.NET MVC项目 Grunt简介Grunt是一款基于js和node.js的构建工具,由于这段时间node.js越来越火爆,grunt拥有丰富的开源社区支持,产生了很多插件。还有一些插件散落在node

快速掌握Node.js环境的安装与运行方法 安装程序NodeJS提供了一些安装程序,都可以在nodejs.org这里下载并安装。Windows系统下,选择和系统版本匹配的.msi后缀的安装文件。MacOSX系统下,选择.pkg

解析Node.js基于模块和包的代码部署方式 模块路径解析规则有经验的C程序员在编写一个新程序时首先从make文件写起。同样的,使用NodeJS编写程序前,为了有个良好的开端,首先需要准备好代码

标签: nodejs爬取数据

本文链接地址:https://www.jiuchutong.com/biancheng/370666.html 转载请保留说明!

上一篇:Node.js 条形码识别程序构建思路详解(vue条形码)

下一篇:使用基于Node.js的构建工具Grunt来发布ASP.NET MVC项目(如何使用node.js)

  • 一般纳税人销售旧货
  • 以前年度费用退回怎么做账
  • 怎么识别发票是否含税
  • 企业销售不动产增值税政策
  • 计提工会经费的贷方账户为
  • 事业单位无形资产管理制度
  • 设计服务需要交文化建设费吗
  • 营改增增值税优惠政策
  • 员工住院费用公司报销吗
  • 个人处置打包债权取得的收入
  • 烟叶收购方案制定步骤
  • 计提坏账准备为什么要加借方
  • 没有营业收入要报税吗
  • 收到银行退回的银行汇票多余款
  • 政府奖励企业款银行未收到会计分录
  • 定率征收多缴的企业所得税怎么计算?
  • 一般纳税人增值税申报操作流程
  • 房租费简易征收税率
  • 公司减少注册资本的程序
  • 土地使用税每个月都要计提吗
  • 评估的房产如何入账
  • 应用程序出现异常怎么办
  • 取得进项税发票分录
  • 收入确认的五个步骤
  • 投资企业流程
  • 进口小汽车消费税率
  • 投资性房地产期末公允价值大于账面价值
  • phpswoole面试
  • 产品工人工资属于制造费用吗
  • 北极光的征兆
  • 收到转账怎么写分录
  • vue组件封装步骤
  • SSD目标检测算法
  • vue项目部署后白屏
  • 微信小程序游戏手游排行榜
  • node express安装
  • ml神经网络
  • 二手车折旧法
  • 若依idea
  • 金蝶年底结账流程
  • 农民专业合作社属于什么企业类型
  • 定额发票需要交契税吗
  • window批处理文件
  • 帝国cms灵动标签调用标题图片
  • mongodb基础命令
  • 织梦手机端
  • 办公室购买电脑计入
  • 公账取现用途写什么
  • mongodb 根据条件查询数量
  • 补发以前年度工资怎么做账
  • sql共享
  • 生产车间人员工资期末结转
  • 日后事项中所得税的处理方法
  • 公众号认证小额打款流程
  • 贴现凭证如何做账务处理
  • 一张凭证上可以写多个摘要吗
  • 不动产租赁行业代码
  • 广告费属于管理费用的哪一类
  • 老板在自己的公司做事
  • 预付款对应的发票是什么
  • 研发费用计入营业成本还能加计扣除吗
  • 机票退票手续费多少
  • 制造费用会计科目
  • 轿车折旧年限为几年
  • ssh命令行登录服务器
  • os x10.11el capitan beta6更新了什么?os x10.11el capitan beta6发布下载
  • win+p怎么用
  • win8 休眠
  • windows下合并分区
  • Win10 Mobile RedStone预览版14267更新内容汇总(持续更新)
  • 设计模式中的行为模式
  • oracle中提取日期时间的特定部分
  • jQuery checkbox选中问题之prop与attr注意点分析
  • javascript要怎么学
  • javascript学习指南
  • javascript面向对象精要pdf
  • 大连地税局发票怎么开
  • 超市开发票每月额度,超了之后税率是多少
  • 个人所得税法实施条例2011
  • 武汉市江汉区财政局这个单位的公务员待遇怎么样?
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设