Node.js meitulu图片批量下载爬虫 1.05版(Final最终版)

Node.js meitulu图片批量下载爬虫 1.05版(Final最终版)
//======================================================
// https://www.meitulu.com图片批量下载Node.js爬虫1.05
// 1.00 完成图片爬虫,手动输入页数和目录
// 1.01 改写。
// 1.02 手动输入页面url,然后自动解析
// 1.03 从命令行获得页面url,然后自动解析
// 1.04 解决数量节点位置不固定bug和输入状态不退出bug
// 1.05 增加自动模式和手动模式
// 2017年11月7日
//======================================================


// 内置https模块,用来解析页面得到页数(图片总数)和目录(图片所在网络目录)
var https=require("https");

// 内置http模块,用来通过地址得到图片文件
var http=require("http");

// 用于解析gzip网页(ungzip,https得到的网页是用gzip进行压缩的)
var zlib = require('zlib'); 

// cheerio模块,提供了类似jQuery的功能,用于从HTML code中查找页数和目录
var cheerio = require("cheerio");

// 内置文件处理模块,用于创建目录和图片文件
var fs=require('fs');

// 请求参数JSON,http和https都有使用
var options;

// request请求
var req;

//--------------------------------------
// 程序入口 
//--------------------------------------
function getInput(){
    /*for(var i=30;i<37;i++){
        process.stdout.write("\033["+i+"m 看颜色:\n \033[39m");
    }
    process.exit();
    31 红,32 绿,33 草黄,34 蓝,35 紫色,36 蓝绿
    */
        
    process.stdout.write("\033[33m 自动模式输入0,手动模式选择1,请输入模式:\033[39m");// 草黄色
    process.stdin.resume();
    process.stdin.setEncoding('utf8');
    

    process.stdin.on('data',function(text){
        if(text.trim()=='1'){
            // 手动模式
            var endIndex=-1;
            var folder="";

            process.stdout.write("\033[36m 请输入页数/目录,以,分隔.\033[39m");    // 蓝绿色
            process.stdin.on('data',function(text){
                var inputText=text.trim();// trim()是必须的!
                process.stdin.end();

                var arr=inputText.split(",");
                endIndex=arr[0];
                folder=arr[1];

                console.log("页数="+endIndex);
                console.log("目录="+folder);    

                fs.mkdir('./'+folder,function(err){
                    if(err){
                        console.log("目录"+folder+"已经存在");
                    }
                });    

                console.log("开始下载(手动模式)...");
                // 下载图片
                for(var i=1;i<=endIndex;i++){
                    downloadPic(folder,i);
                }
            });
        }else{
            // 自动模式
            process.stdout.write("\033[35m 请输入页面URL:\033[039m");    //紫色
    
            process.stdin.on('data',function(text){
                process.stdin.end();// 退出输入状态        
                start(text.trim());// trim()是必须的!
            });
        }
    });
}

//--------------------------------------
// 开始下载 
//--------------------------------------
function start(pageUrl){
    console.log("开始下载(自动模式)...");

    var hostName="";
    var Path="";
    var arr=pageUrl.split("/");
    hostName=arr[2];
    Path="/"+arr[3]+"/"+arr[4];

    // 初始化options  
    options={
        hostname:hostName,
            port:443,
            path:Path,// 子路径
          method:'GET',
           agent:false,
            gzip: true,
    };
    
    req=https.request(options,function(resp){
        var html = [];

        resp.on("data", function(data) {
            html.push(data);
        })
        resp.on("end", function() {
            var buffer = Buffer.concat(html);

            zlib.gunzip(buffer, function(err, decoded) {
                var endIndex=-1;
                var folder="";

                if(err){
                    console.log("不能得到html文本,因为"+err);
                    console.log("请使用 1.手动模式 下载.");
                }else{
                    //console.log(decoded.toString());// gzip解压后的html文本
                    var body=decoded.toString();
                    var $ = cheerio.load(body);
                    

                    // 查找所有class为c_l的节点下面的p节点
                    $(".c_l p").each(function(index,element){
                        var text=$(element).text();

                        if(text.indexOf("数量")!=-1 && endIndex==-1){
                            var arr=text.split(" ");
                            endIndex=arr[1];
                        }
                    })   

                    // 查找所有class为c_l的节点下面的p节点
                    $(".content center img").each(function(index,element){
                        if(index==0){
                            var text=$(element).attr("src");
                            
                            var arr=text.split("/");
                            folder=arr[arr.length-2];                        
                        }
                    }) 
                    
                    console.log("页数="+endIndex);
                    console.log("目录="+folder);    

                    fs.mkdir('./'+folder,function(err){
                        if(err){
                            console.log("目录"+folder+"已经存在");
                        }
                    });                
                    
                }    
                
                // 下载图片
                for(var i=1;i<=endIndex;i++){
                    downloadPic(folder,i);
                }

            })
        }).on("error", function() {
            console.log("获取失败")
        })
    });

    // 超时处理
    req.setTimeout(5000,function(){
        req.abort();
    });

    // 出错处理
    req.on('error',function(err){
        if(err.code=="ECONNRESET"){
            console.log('socket端口连接超时。');
        }else{
            console.log('请求发生错误,err.code:'+err.code);
        }
    });

    // 请求结束
    req.end();
}

//--------------------------------------
// 下载图片
// folder:图片所在url的目录
// pinctureIndex:图片序号
//--------------------------------------
function downloadPic(folder,pinctureIndex){
    console.log("图片:"+pinctureIndex+"下载开始");

    // 初始化options
    options={
        hostname:'mtl.ttsqgs.com',// 这里别加http://,否则会出现ENOTFOUND错误
            port:80,
            path:'/images/img/'+folder+'/'+pinctureIndex+'.jpg',// 子路径
          method:'GET',
    };

    req=http.request(options,function(resp){
        var imgData = "";
        resp.setEncoding("binary"); 

        resp.on('data',function(chunk){
            imgData+=chunk;            
        });

        resp.on('end',function(){
            var fileName="./"+folder+"/"+pinctureIndex+".jpg";
            fs.writeFile(fileName, imgData, "binary", function(err){
                if(err){
                    console.log("文件"+fileName+"下载失败.");
                }
                console.log("文件"+fileName+"下载成功");
            });    
        });
    });

    // 超时处理
    req.setTimeout(5000,function(){
        req.abort();
    });

    // 出错处理
    req.on('error',function(err){
        if(err.code=="ECONNRESET"){
            console.log('socket端口连接超时。');
        }else{
            console.log('请求发生错误,err.code:'+err.code);
        }
    });

    // 请求结束
    req.end();
}

// 调用getInput函数,程序开始
getInput();
Node.js meitulu图片批量下载爬虫 1.05版(Final最终版)


















上一篇:HTML+CSS+JS实现个人相册登录注册


下一篇:SIT/UAT测试