使用nodejs下载风景壁纸

上一篇博客讲解了使用nodejs爬取博客园的博文，这次带给大家的是下载网络上的图片。

需要用到的第三方模块有：

superagent

superagent-charset （手动指定编码，解决GBK中文乱码）

cheerio

express

async （并发控制）

完整的代码，可以在我的github中可以下载。主要的逻辑逻辑在 netbian.js 中。

以彼岸桌面（http://www.netbian.com/）栏目下的风景壁纸（http://www.netbian.com/fengjing/index.htm）为例进行讲解。

1. 分析URL

不难发现：

首页：栏目/index.htm

分页：栏目/index_具体页码.htm

知道这个规律，就可以批量下载壁纸了。

2. 分析壁纸缩略图，找到对应壁纸的大图

使用chrome的开发者工具，可以发现，缩略图列表在 class="list"的div里，a标签的href属性的值就是单张壁纸所在的页面。

部分代码：

 1 request
 2     .get(url)
 3     .end(function(err, sres){
 4 
 5         var $ = cheerio.load(sres.text);
 6         var pic_url = []; // 中等图片链接数组
 7         $('.list ul', 0).find('li').each(function(index, ele){
 8             var ele = $(ele);
 9             var href = ele.find('a').eq(0).attr('href'); // 中等图片链接
10             if(href != undefined){
11                 pic_url.push(url_model.resolve(domain, href));
12             }
13         });
14 });

3. 以“http://www.netbian.com/desk/17662.htm”继续分析

打开这个页面，发现此页面显示的壁纸，依旧不是最高的分辨率。

点击“下载壁纸”按钮里的链接，打开新的页面。

4. 以“http://www.netbian.com/desk/17662-1920x1080.htm”继续分析

打开这个页面，我们最终要下载的壁纸，放在一个table里面。如下图，http://img.netbian.com/file/2017/0203/bb109369a1f2eb2e30e04a435f2be466.jpg

才是我们最终要下载的图片的URL（幕后BOSS终于现身了(＠￣ー￣＠)）。

下载图片的代码：

request
.get(wallpaper_down_url)
.end(function(err, img_res){
    if(img_res.status == 200){
        // 保存图片内容
        fs.writeFile(dir + '/' + wallpaper_down_title + path.extname(path.basename(wallpaper_down_url)), img_res.body, 'binary', function(err){
            if(err) console.log(err);
        });
    }
});

打开浏览器，访问 http://localhost:1314/fengjing

选择栏目和页面，点击“开始”按钮：

并发请求服务器，下载图片。

完成~

图片的存放目录按照栏目+页码的形式保存。

附上完整的图片下载的代码：

 1 /**
 2  * 下载图片
 3  * @param  {[type]} url [图片URL]
 4  * @param  {[type]} dir [存储目录]
 5  * @param  {[type]} res [description]
 6  * @return {[type]}     [description]
 7  */
 8 var down_pic = function(url, dir, res){
 9 
10     var domain = 'http://www.netbian.com'; // 域名
11 
12     request
13     .get(url)
14     .end(function(err, sres){
15 
16         var $ = cheerio.load(sres.text);
17         var pic_url = []; // 中等图片链接数组
18         $('.list ul', 0).find('li').each(function(index, ele){
19             var ele = $(ele);
20             var href = ele.find('a').eq(0).attr('href'); // 中等图片链接
21             if(href != undefined){
22                 pic_url.push(url_model.resolve(domain, href));
23             }
24         });
25 
26         var count = 0; // 并发计数器
27         var wallpaper = []; // 壁纸数组
28         var fetchPic = function(_pic_url, callback){
29 
30             count++; // 并发加1
31 
32             var delay = parseInt((Math.random() * 10000000) % 2000);
33             console.log('现在的并发数是:' + count + ', 正在抓取的图片的URL是:' + _pic_url + ' 时间是:' + delay + '毫秒');
34             setTimeout(function(){
35                 // 获取大图链接
36                 request
37                 .get(_pic_url)
38                 .end(function(err, ares){
39                     var $$ = cheerio.load(ares.text);
40                     var pic_down = url_model.resolve(domain, $$('.pic-down').find('a').attr('href')); // 大图链接
41 
42                     count--; // 并发减1
43 
44                     // 请求大图链接
45                     request
46                     .get(pic_down)
47                     .charset('gbk') // 设置编码, 网页以GBK的方式获取
48                     .end(function(err, pic_res){
49 
50                         var $$$ = cheerio.load(pic_res.text);
51                         var wallpaper_down_url = $$$('#endimg').find('img').attr('src'); // URL
52                         var wallpaper_down_title = $$$('#endimg').find('img').attr('alt'); // title
53 
54                         // 下载大图
55                         request
56                         .get(wallpaper_down_url)
57                         .end(function(err, img_res){
58                             if(img_res.status == 200){
59                                 // 保存图片内容
60                                 fs.writeFile(dir + '/' + wallpaper_down_title + path.extname(path.basename(wallpaper_down_url)), img_res.body, 'binary', function(err){
61                                     if(err) console.log(err);
62                                 });
63                             }
64                         });
65 
66                         wallpaper.push(wallpaper_down_title + '下载完毕<br />');
67                     });
68                     callback(null, wallpaper); // 返回数据
69                 });
70             }, delay);
71         };
72 
73         // 并发为2,下载壁纸
74         async.mapLimit(pic_url, 2, function(_pic_url, callback){
75             fetchPic(_pic_url, callback);
76         }, function (err, result){
77             console.log('success');
78             res.send(result[0]); // 取下标为0的元素
79         });
80     });
81 };

特别需要注意的两点：

1. “彼岸桌面”网页的编码是“GBK”的。而nodejs本身只支持“UTF-8”编码。这里我们引入“superagent-charset”模块，用于处理“GBK”的编码。

附上github里的一个例子

https://github.com/magicdawn/superagent-charset

2. nodejs是异步的，同一时间发送大量的请求，有可能被服务器认为是恶意请求而拒绝。因此这里引入“async”模块，用于并发的处理，使用的方法是：mapLimit。

mapLimit(arr, limit, iterator, callback)

这个方法有4个参数：

第1个参数是数组。

第2个参数是并发请求的数量。

第3个参数是迭代器，通常是一个函数。

第4个参数是并发执行后的回调。

这个方法的作用是将arr中的每个元素同时并发limit次拿给iterator去执行，执行结果传给最后的callback。

后话

至此，便完成了图片的下载。

完整的代码，已经放在github上，欢迎star (☆▽☆)。

文笔有限，才学疏浅，若有不正确的地方，欢迎广大博友指正。