Node-Crawler 技术文档
2024-12-20 06:58:11作者:舒璇辛Bertina
本文档旨在帮助用户使用和详细了解 Node-Crawler 项目,内容涵盖安装指南、使用说明、API 使用文档和安装方式。
安装指南
Node-Crawler 项目要求 Node.js 版本 18 或以上。特别注意的是,对于 Linux 操作系统,建议使用 Node.js 版本 18,因为测试中发现在更高版本的 Node.js 上存在稳定性问题。
安装 Node-Crawler 的命令如下:
$ npm install crawler
项目的使用说明
Node-Crawler 项目提供了多种功能,包括服务器端 DOM 解析、自动 jQuery 插入、配置连接池大小和重试次数、控制速率限制、优先级队列请求以及字符集检测和转换。
基本用法
以下是一个基本的示例,展示了如何使用 Node-Crawler 异步爬取网页内容:
import Crawler from "crawler";
const c = new Crawler({
maxConnections: 10,
callback: (error, res, done) => {
if (error) {
console.log(error);
} else {
const $ = res.$;
console.log($("title").text());
}
done();
},
});
c.add("http://www.amazon.com");
速率限制
使用 rateLimit
选项来控制爬取速度:
const c = new Crawler({
rateLimit: 1000,
callback: (err, res, done) => {
console.log(res.$("title").text());
done();
},
});
c.add(tasks);
自定义参数
通过 userParams
选项传递自定义参数,在回调函数中访问:
c.add({
url: "http://www.google.com",
userParams: {
parameter1: "value1",
parameter2: "value2",
parameter3: "value3",
},
});
console.log(res.options.userParams);
原始数据
爬取文件时,设置 encoding
为 null
以获取原始数据:
import Crawler from "crawler";
import fs from "fs";
const c = new Crawler({
encoding: null,
jQuery: false,
callback: (err, res, done) => {
if (err) {
console.error(err.stack);
} else {
fs.createWriteStream(res.options.userParams.filename).write(res.body);
}
done();
},
});
c.add({
url: "https://raw.githubusercontent.com/bda-research/node-crawler/master/crawler_primary.png",
userParams: {
filename: "crawler.png",
},
});
请求预处理
使用 preRequest
选项在请求发送前执行同步或异步操作:
const c = new Crawler({
preRequest: (options, done) => {
console.log(options);
done();
},
callback: (err, res, done) => {
if (err) {
console.log(err);
} else {
console.log(res.statusCode);
}
},
});
c.add({
url: "http://www.google.com",
preRequest: (options, done) => {
setTimeout(() => {
console.log(options);
done();
}, 1000);
},
});
项目 API 使用文档
Crawler 类
- Event: 'schedule': 当任务被添加到队列时触发。
- Event: 'limiterChange': 当限速器状态改变时触发。
- Event: 'request': 当请求发送时触发。
- Event: 'drain': 当队列中的所有任务都完成后触发。
- crawler.add(url|options): 添加一个或多个任务到队列。
- crawler.queueSize: 获取队列中的任务数量。
选项
全局选项
- silence: 是否禁用日志输出。
- maxConnections: 最大并发连接数。
- priorityLevels: 优先级级别数。
- rateLimit: 速率限制时间(毫秒)。
- skipDuplicates: 是否跳过重复的 URL。
- homogeneous: 是否启用同构模式。
- userAgents: 用户代理列表。
Crawler 通用选项
- url | method | headers | body | searchParams...: 请求的 URL、方法、头部、主体和查询参数。
- forceUTF8: 是否强制使用 UTF-8 编码。
- jQuery: 是否启用 jQuery。
- encoding: 响应编码(默认为 'utf8')。
- rateLimiterId: 限速器 ID。
- retries: 重试次数。
- retryInterval: 重试间隔时间(毫秒)。
- timeout: 请求超时时间(毫秒)。
- priority: 请求优先级。
- skipEventRequest: 是否跳过请求事件。
- html: 要爬取的 HTML 内容。
- proxies: 代理列表。
- proxy: 代理服务器。
- http2: 是否启用 HTTP/2。
- referer: 引荐来源。
- userParams: 自定义参数。
- preRequest: 请求预处理函数。
- callback: 请求回调函数。
项目安装方式
Node-Crawler 项目可以通过 npm 包管理器进行安装:
$ npm install crawler
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~043CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
261

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
860
511

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

deepin linux kernel
C
22
5