国产xxxx99真实实拍_久久不雅视频_高清韩国a级特黄毛片_嗯老师别我我受不了了小说

資訊專欄INFORMATION COLUMN

用TypeScript開發爬蟲程序

CocoaChina / 1442人閱讀

摘要:全局安裝目前版本,這個版本不再需要使用命令了。現在嘗試深入抓取文章內容可以發現因為訪問服務器太迅猛,導致出現很多次錯誤。解決添加文件修改文件為修改文件為觀察輸出可以看到,程序實現了隔一秒再請求下一個內容頁。

全局安裝typescript:

npm install -g typescript

目前版本2.0.3,這個版本不再需要使用typings命令了。但是vscode捆綁的版本是1.8的,需要一些配置工作,看本文的處理辦法。

測試tsc命令:

tsc

創建要寫的程序項目文件夾:

mkdir test-typescript-spider

進入該文件夾:

cd test-typescript-spider

初始化項目:

npm init

安裝superagent和cheerio模塊:

npm i --save superagent cheerio

安裝對應的類型聲明模塊:

npm i -s @types/superagent --save
npm i -s @types/cheerio --save

安裝項目內的typescript(必須走這一步):

npm i --save typescript

用vscode打開項目文件夾。在該文件夾下創建tsconfig.json文件,并復制以下配置代碼進去:

{
    "compilerOptions": {
        "target": "ES6",
        "module": "commonjs",
        "noEmitOnError": true,
        "noImplicitAny": true,
        "experimentalDecorators": true,
        "sourceMap": false,
     // "sourceRoot": "./",
        "outDir": "./out"
    },
    "exclude": [
        "node_modules"
    ]
}

在vscode打開“文件”-“首選項”-“工作區設置”
在settings.json中加入(如果不做這個配置,vscode會在打開項目的時候提示選擇哪個版本的typescript):

{
   "typescript.tsdk": "node_modules/typescript/lib"
}

創建api.ts文件,復制以下代碼進去:

import superagent = require("superagent");
import cheerio = require("cheerio");

export const remote_get = function(url: string) {

    const promise = new Promise(function (resolve, reject) {
        superagent.get(url)
            .end(function (err, res) {
                if (!err) {
                    resolve(res);
                } else {
                    console.log(err)
                    reject(err);
                }
            });
    });
    return promise;
}

創建app.ts文件,書寫測試代碼:

import api = require("./api");
const go = async () => {
    let res = await api.remote_get("http://www.baidu.com/");
    console.log(res.text);
}
go();

執行命令:

tsc

然后:

node out/app

觀察輸出是否正確。

現在嘗試抓取http://cnodejs.org/的第一頁文章鏈接。
修改app.ts文件,代碼如下:

import api = require("./api");
import cheerio = require("cheerio");

const go = async () => {
    const res = await api.remote_get("http://cnodejs.org/");
    const $ = cheerio.load(res.text);
    let urls: string[] = [];
    let titles: string[] = [];
    $(".topic_title_wrapper").each((index, element) => {
        titles.push($(element).find(".topic_title").first().text().trim());
        urls.push("http://cnodejs.org/" + $(element).find(".topic_title").first().attr("href"));
    })
    console.log(titles, urls);
}
go();

觀察輸出,文章的標題和鏈接都已獲取到了。

現在嘗試深入抓取文章內容

import api = require("./api");
import cheerio = require("cheerio");

const go = async () => {
    const res = await api.remote_get("http://cnodejs.org/");
    const $ = cheerio.load(res.text);
    $(".topic_title_wrapper").each(async (index, element) => {
        let url = ("http://cnodejs.org" + $(element).find(".topic_title").first().attr("href"));
        const res_content = await api.remote_get(url);
        const $_content = cheerio.load(res_content.text);
        console.log($_content(".topic_content").first().text());
    })

}
go();

可以發現因為訪問服務器太迅猛,導致出現很多次503錯誤。
解決:
添加helper.ts文件:

export const wait_seconds = function (senconds: number) {
    return new Promise(resolve => setTimeout(resolve, senconds * 1000));
}

修改api.ts文件為:

import superagent = require("superagent");
import cheerio = require("cheerio");

export const get_index_urls = function () {
    const res = await remote_get("http://cnodejs.org/");
    const $ = cheerio.load(res.text);
    let urls: string[] = [];
    $(".topic_title_wrapper").each(async (index, element) => {
        urls.push("http://cnodejs.org" + $(element).find(".topic_title").first().attr("href"));
    });
    return urls;
}
export const get_content = async function (url: string) {
    const res = await remote_get(url);
    const $ = cheerio.load(res.text);
    return $(".topic_content").first().text();
}

export const remote_get = function (url: string) {

    const promise = new Promise(function (resolve, reject) {

        superagent.get(url)
            .end(function (err, res) {
                if (!err) {
                    resolve(res);
                } else {
                    console.log(err)
                    reject(err);
                }
            });
    });
    return promise;
}

修改app.ts文件為:

import api = require("./api");
import helper = require("./helper");
import cheerio = require("cheerio");

const go = async () => {
    let urls = await api.get_index_urls();
    for (let i = 0; i < urls.length; i++) {
        await helper.wait_seconds(1);
        let text = await api.get_content(urls[i]);
        console.log(text);
    }
}
go();

觀察輸出可以看到,程序實現了隔一秒再請求下一個內容頁。

現在嘗試把抓取到的東西存到數據庫中。
安裝mongoose模塊:

npm i mongoose --save
npm i -s @types/mongoose --save

然后建立Scheme。先創建models文件夾:

mkdir models

在models文件夾下創建index.ts:

import * as mongoose from "mongoose";

mongoose.connect("mongodb://127.0.0.1/cnodejs_data", {
    server: { poolSize: 20 }
}, function (err) {
    if (err) {
        process.exit(1);
    }
});

// models
export const Article = require("./article");

在models文件夾下創建IArticle.ts:

interface IArticle {
    title: String;
    url: String;
    text: String;
}
export = IArticle;

在models文件夾下創建Article.ts:

import mongoose = require("mongoose");
import IArticle = require("./IArticle");
interface IArticleModel extends IArticle, mongoose.Document { }

const ArticleSchema = new mongoose.Schema({
    title: { type: String },
    url: { type: String },
    text: { type: String },
});

const Article = mongoose.model("Article", ArticleSchema);
export = Article;

修改api.ts為:

import superagent = require("superagent");
import cheerio = require("cheerio");
import models = require("./models");
const Article = models.Article;

export const get_index_urls = async function () {
    const res = await remote_get("http://cnodejs.org/");

    const $ = cheerio.load(res.text);
    let urls: string[] = [];
    $(".topic_title_wrapper").each((index, element) => {
        urls.push("http://cnodejs.org" + $(element).find(".topic_title").first().attr("href"));
    });
    return urls;

}
export const fetch_content = async function (url: string) {
    const res = await remote_get(url);

    const $ = cheerio.load(res.text);
    let article = new Article();
    article.text = $(".topic_content").first().text();
    article.title = $(".topic_full_title").first().text().replace("置頂", "").replace("精華", "").trim();
    article.url = url;
    console.log("獲取成功:" + article.title);
    article.save();

}
export const remote_get = function (url: string) {

    return new Promise((resolve, reject) => {
        superagent.get(url)
            .end(function (err, res) {
                if (!err) {
                    resolve(res);
                } else {
                    reject(err);
                }
            });
    });
}

修改app.ts為:

import api = require("./api");
import helper = require("./helper");
import cheerio = require("cheerio");

(async () => {

    try {
        let urls = await api.get_index_urls();
        for (let i = 0; i < urls.length; i++) {
            await helper.wait_seconds(1);
            await api.fetch_content(urls[i]);
        }
    } catch (err) {
        console.log(err);
    }

    console.log("完畢!");

})();

執行

tsc
node out/app

觀察輸出,并去數據庫檢查一下
可以發現入庫成功了!

補充:remote_get方法的改進版,實現錯誤重試和加入代理服務器.
放棄了superagent庫,用的request庫,僅供參考:

//config.retries = 3;
let current_retry = config.retries || 0;
export const remote_get = async function (url: string, proxy?: string) {
    //每次請求都先稍等一下
    await wait_seconds(2);
    if (!proxy) {
        proxy = "";
    }
    const promise = new Promise(function (resolve, reject) {
        console.log("get: " + url + ",  using proxy: " + proxy);
        let options: request.CoreOptions = {
            headers: {
                "Cookie": "",
                "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.143 Safari/537.36",
                "Referer": "https://www.baidu.com/"
            },
            encoding: "utf-8",
            method: "GET",
            proxy: proxy,
            timeout: 3000,
        }
        request(url, options, async function (err, response, body) {
            console.log("got:" + url);
            if (!err) {
                body = body.toString();
                current_retry = config.retries || 0;
                console.log("bytes:" + body.length);
                resolve(body);
            } else {
                console.log(err);
                if (current_retry <= 0) {
                    current_retry = config.retries || 0;
                    reject(err);
                } else {
                    console.log("retry...(" + current_retry + ")")
                    current_retry--;
                    try {
                        let body = await remote_get(url, proxy);
                        resolve(body);
                    } catch (e) {
                        reject(e);
                    }
                }
            }
        });
    });
    return promise;
}

另外,IArticle.ts和Article.ts合并為一個文件,可能更好,可以參考我另一個model的寫法:

import mongoose = require("mongoose");

interface IProxyModel {
    uri: string;
    ip: string;
    port:string;
    info:string;
}
export interface IProxy extends IProxyModel, mongoose.Document { }

const ProxySchema = new mongoose.Schema({
    uri: { type: String },//
    ip: { type: String },//
    port: { type: String },//
    info: { type: String },//
});
export const Proxy = mongoose.model("Proxy", ProxySchema);

導入的時候這么寫就行了:

import { IProxy, Proxy } from "./models";

其中Proxy可以用來做new、find、where之類的操作:

let x = new Proxy();
let xx = await Proxy.find({});
let xxx = await Proxy.where("aaa",123).exec();

而IProxy用于實體對象的傳遞,例如

function xxx(p:IProxy){
}

文章版權歸作者所有,未經允許請勿轉載,若此文章存在違規行為,您可以聯系管理員刪除。

轉載請注明本文地址:http://specialneedsforspecialkids.com/yun/80709.html

相關文章

  • SegmentFault 技術周刊 Vol.40 - 2018,來學習一門新的編程語言吧!

    摘要:入門,第一個這是一門很新的語言,年前后正式公布,算起來是比較年輕的編程語言了,更重要的是它是面向程序員的函數式編程語言,它的代碼運行在之上。它通過編輯類工具,帶來了先進的編輯體驗,增強了語言服務。 showImg(https://segmentfault.com/img/bV1xdq?w=900&h=385); 新的一年不知不覺已經到來了,總結過去的 2017,相信小伙們一定有很多收獲...

    caspar 評論0 收藏0
  • SegmentFault 技術周刊 Vol.40 - 2018,來學習一門新的編程語言吧!

    摘要:入門,第一個這是一門很新的語言,年前后正式公布,算起來是比較年輕的編程語言了,更重要的是它是面向程序員的函數式編程語言,它的代碼運行在之上。它通過編輯類工具,帶來了先進的編輯體驗,增強了語言服務。 showImg(https://segmentfault.com/img/bV1xdq?w=900&h=385); 新的一年不知不覺已經到來了,總結過去的 2017,相信小伙們一定有很多收獲...

    nihao 評論0 收藏0
  • SegmentFault 技術周刊 Vol.40 - 2018,來學習一門新的編程語言吧!

    摘要:入門,第一個這是一門很新的語言,年前后正式公布,算起來是比較年輕的編程語言了,更重要的是它是面向程序員的函數式編程語言,它的代碼運行在之上。它通過編輯類工具,帶來了先進的編輯體驗,增強了語言服務。 showImg(https://segmentfault.com/img/bV1xdq?w=900&h=385); 新的一年不知不覺已經到來了,總結過去的 2017,相信小伙們一定有很多收獲...

    Drummor 評論0 收藏0
  • 前端窩 - 收藏集 - 掘金

    摘要:毫無疑問,設計模式于己于他人于系統都是多贏的設計模式使代碼編寫真正工程化設計模小書前端掘金這是一本關于的小書。 JavaScript 常見設計模式解析 - 掘金設計模式(Design pattern)是一套被反復使用、多數人知曉的、經過分類編目的、代碼設計經驗的總結。使用設計模式是為了可重用代碼、讓代碼更容易被他人理解、保證代碼可靠性。毫無疑問,設計模式于己于他人于系統都是多贏的;設計...

    李文鵬 評論0 收藏0
  • Angular開發實踐(六):服務端渲染

    摘要:在服務端渲染方面提供一套前后端同構解決方案,它就是統一平臺,一項在服務端運行應用的技術。這些著陸頁是純,并且即使被禁用了也能顯示。它會把客戶端請求轉換成服務端渲染的頁面。它是服務端渲染器和你的應用之間的橋梁。 Angular Universal Angular在服務端渲染方面提供一套前后端同構解決方案,它就是 Angular Universal(統一平臺),一項在服務端運行 Angul...

    Eirunye 評論0 收藏0

發表評論

0條評論

CocoaChina

|高級講師

TA的文章

閱讀更多
最新活動
閱讀需要支付1元查看
<