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)

  • 免税收入是什么票据类型
  • 支付宝收付款如何关闭
  • 作废的增值税普通发票还可以重新开吗?
  • 增值税专用发票是干什么用的
  • 出售其他债权投资
  • 营业费用和管理费用比较
  • 销售部门快递费用怎么算
  • 房东收到房租转让费会计处理
  • 股权投资需要准备哪些材料
  • 冲以前年度暂估
  • 加油站汽油损耗多少
  • 超过五千
  • 会计累计折旧属于什么科目
  • 公司未分配利润太大,怎么处理好
  • 新股东入股怎么写记账凭证摘要
  • 开发项目的会议纪要
  • 补提以前年度无形资产摊销税务处理
  • 收到保险公司赔款计入什么科目
  • 回购股票时的会计分录
  • 保险公司买保险和银行买保险有什么区别
  • 预付款比例怎么算
  • 多提的费用如何做冲减分录
  • 企业所得税调增调减怎么理解
  • 投入的生产线应该怎么做
  • 购买展示柜怎么做会计分录
  • 入库单的金额填不填价税合计
  • 外贸公司进出口权办理流程
  • windows7怎样升级windows10
  • linux硬件设备分为
  • 大陆公司如何开离岸账户
  • win11系统打不出顿号
  • cpu哪个型号性价比最高
  • php api
  • 企业所得税税款
  • php获取文件名
  • 销售费用的类型
  • 房地产项目如何通过抖音宣传
  • phpif函数的使用方法
  • 股权变更怎么缴纳个人所得税
  • PHP:mcrypt_get_cipher_name()的用法_Mcrypt函数
  • 森林中的结香花,日本 (© nattya3714/Getty Images)
  • php修改图片尺寸
  • 小说《从零开始》
  • 命令grep
  • shift命令 向左移动参数
  • 金融机构拆出资金的最长期限
  • 建安企业确认收入的依据
  • 应收票据和其他应收款的区别
  • mysql运行报错
  • 事故赔偿给谁
  • sqlserver 判断函数
  • 公司在建厂房图片大全
  • 有什么科目需要考试吗英语翻译
  • 防伪标内容
  • 出纳 记账凭证
  • 税控开具发票
  • 记帐凭证会计处理程序及其应用
  • mysql字符集的作用
  • Win10系统如何开启全部权限
  • win7用户在哪
  • ubuntu 上不了网
  • mac声音怎么调大
  • macos catalin
  • Win10系统安装包
  • 只需2招 让Win10运行速度更加迅速
  • linux指定格式显示日期
  • wind10应用商店
  • js双击触发
  • android编译环境搭建
  • nodejs 读取文件
  • shell脚本实例精讲
  • python socket传输文字到网页
  • python数字类型及操作
  • unity最新教程
  • javascript面向对象吗
  • 税务 违法税收
  • 重庆电子税务局怎么绑定办税人员
  • 河南省地方税务局公告2011年第10号
  • 综合所得申报表在哪里
  • 企业出租房产的税收优惠政策
  • 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