首页
/ Node-Crawler 技术文档

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 encodingnull 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

热门内容推荐

最新内容推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
261
RuoYi-Vue3RuoYi-Vue3
🎉 (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-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
openHiTLSopenHiTLS
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开源商城ShopXO开源商城
🔥🔥🔥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
Cangjie-ExamplesCangjie-Examples
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
HarmonyOS-ExamplesHarmonyOS-Examples
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
note-gennote-gen
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
CangjieCommunityCangjieCommunity
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
kernelkernel
deepin linux kernel
C
22
5