Node.js abaike图片批量下载Node.js爬虫1.00版

//======================================================
// abaike图片批量下载Node.js爬虫1.00
// 2017年11月9日
//======================================================

// 内置http模块
var http=require("http");

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

// cheerio模块，提供了类似jQuery的功能，用于从HTML code中查找图片地址和下一页
var cheerio = require("cheerio");

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

// request请求
var req;

// 图片数组，找到的图片地址会放到这里
var pictures=[];

//--------------------------------------
// 爬取网页，找图片地址，再爬
// pageUrl sample:http://www.avbaike.net/27812.html
// pageUrl sample:http://www.avbaike.net/27812.html/2
//--------------------------------------
function crawl(pageUrl){
console.log("Current page="+pageUrl);

// 得到hostname和path
var currUrl=pageUrl.replace("http://","");
var pos=currUrl.indexOf("/");
var hostname=currUrl.slice(0,pos);
var path=currUrl.slice(pos);
//console.log("hostname="+hostname);
//console.log("path="+path);

// 初始化options
options={
hostname:hostname,
port:80,
path:path,// 子路径
method:'GET',
};

req=http.request(options,function(resp){
resp.setEncoding('utf8');
var body="";

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

resp.on('end',function(){
//console.log("body="+body);
var $ = cheerio.load(body);

// 找图片放入数组
$("#post_content p a").each(function(index,element){
var picUrl=$(element).attr("href");
//console.log(picUrl);
pictures.push(picUrl);
})

var nextPageUrl=null;
// 找下一页
$(".pagelist a").each(function(index,element){
var text=$(element).text();
if(text.indexOf('下一页')!=-1){
nextPageUrl=$(element).attr("href");
}
})

if(nextPageUrl==null){
console.log(pageUrl+"已经是最后一页了.");
download(pictures);
}else{
//console.log("下一页是"+nextPageUrl);
crawl(nextPageUrl);
}
});
});

// 超时处理
req.setTimeout(10000,function(){
req.abort();
});

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

// 请求结束
req.end();
}

//--------------------------------------
// 下载图片
//--------------------------------------
function download(pictures){
var folder='pictures';
// 创建目录
fs.mkdir('./'+folder,function(err){
if(err){
console.log("目录"+folder+"已经存在");
}
});

console.log("总计有"+pictures.length+"张图片将被下载.");
for(var i=0;i<pictures.length;i++){
var picUrl=pictures[i];
downloadPic(picUrl);
}
}

//--------------------------------------
// 下载单张图片
// picUrl sample:http://www.avbaike.net/wp-content/uploads/2016/08/108.jpg
//--------------------------------------
function downloadPic(picUrl){
console.log("图片:"+picUrl+"下载开始");

// 得到hostname和path
var currUrl=picUrl.replace("http://","");
var pos=currUrl.indexOf("/");
var hostname=currUrl.slice(0,pos);
var path=currUrl.slice(pos);
//console.log("hostname="+hostname);
//console.log("path="+path);

var picName=currUrl.slice(currUrl.lastIndexOf("/"));

// 初始化options
options={
hostname:hostname,
port:80,
path:path,// 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(){

// 创建文件
var fileName="./pictures"+picName;
fs.writeFile(fileName, imgData, "binary", function(err){
if(err){
console.log("文件"+fileName+"下载失败.");
console.log(err);
}else{
console.log("文件"+fileName+"下载成功");
}
});
});
});

// 超时处理
req.setTimeout(10000,function(){
req.abort();
});

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

// 请求结束
req.end();
}

//--------------------------------------
// 程序入口
//--------------------------------------
function getInput(){

process.stdout.write("\033[35m 请输入第一页URL:\033[039m");    //紫色
process.stdin.resume();
process.stdin.setEncoding('utf8');

process.stdin.on('data',function(text){
process.stdin.end();// 退出输入状态
crawl(text.trim());// trim()是必须的！
});
}

// 调用getInput函数，程序开始
getInput();