鼓搗phantomjs（二） node.js模塊化集成

時間 2019-11-09

標籤鼓搗 phantomjs node.js node 模塊化集成欄目 JavaScript 简体版

原文原文鏈接

著做權全部：http://www.cnblogs.com/zeusro/

引用（爬蟲）不給稿費的，切你jjhtml

追憶似屎年華

在上一篇post（http://www.cnblogs.com/zeusro/p/4185196.html）裏面，我留下了3個坑沒有填平。node

2模塊化jquery

加載到nodejs裏面，用於批量採集。git

方法：把變更的參數作成github

3淘寶的反採集sql

4數據的持久化dom

其實呢，還有一個，就是中文編碼的問題，nosql

那麼今天把其中2個解決了。持久化給個思路，反採集就算了，哥已經宣佈棄坑了。async

正文

模塊化其實很簡單。在採集模塊（js）裏面引入system就好了。

var system = require('system');
var url = system.args[1];
var filename = system.args[2];

第一個參數是咱們運行的js，第二個參數開始纔是咱們真正用獲得的。模塊化

phantomjs phantomcapture.js http://shop115235781.m.taobao.com/#list av

這樣就簡單完成了模塊化。

那麼在node那邊，咱們要作到的就是，要引用並運行這個模塊。這裏我用了node的child_process，每個url開啓一個子進程。

淘寶的反採集

這個纔是我宣佈棄坑的緣由。我在每次調用waitfor超時以後都有去截屏處理的。而我開那麼多個子進程捕獲到的結果就是，要登陸淘寶，還得輸入驗證碼。。。要輸入驗證碼，呵呵....

數據的持久化

樓主用SqlServer慣的。

node.js確實有連SqlServer的驅動(https://github.com/Azure/node-sqlserver)，問題是那玩意我鏈接失敗了。那個項目2年前最後一次提交代碼。做者本身也說了，說是去放假瞭解決不了一些issue，其實看起來更像是棄坑的節奏。

那麼我只能建議連芒果DB或者nosql了。

中文編碼問題。

這個有人在私信裏面問我。這個我其實一早就預料到了，由於以前在找資料的時候就有提到js的編碼問題，這個是固有缺陷。解決這個問題，引入iconv-lite就好了。

這裏，我使用了這玩意擴展了node的編碼

// After this call all Node basic primitives will understand iconv-lite encodings.
iconv.extendNodeEncodings();

　　而後在進程通訊那裏

var buf = new Buffer(data, 'win1251');
        buf.write(data, 'gbk');
        console.log(buf.toString('gbk'));

　　這樣就好了

代碼

主進程node的代碼以下

var colors = require('colors')
  , jsdom = require('jsdom').jsdom
  , async = require('async')
  , http = require('http')
  , fs = require('fs')
  , jquery = fs.readFileSync("jquery-1.10.2.min.js", "utf-8")
  , iconv = require('../node_modules/iconv-lite')
  , phantom = require('phantomjs');

// After this call all Node basic primitives will understand iconv-lite encodings.
iconv.extendNodeEncodings();

var count = 0;
console.log('主進程開啓');
var startTime = new Date().getTime();
var urls = new Array(
    "http://shop100338207.m.taobao.com/#list",
    "http://shop68291879.m.taobao.com/#list",
    "http://shop115235781.m.taobao.com/#list",
    "http://shop10199638.m.taobao.com/#list",
   "http://shop67272667.m.taobao.com/#list",
     "http://shop109683760.m.taobao.com/#list",
   "http://shop33495993.m.taobao.com/#list",
    "http://shop58501945.m.taobao.com/#list",
   "http://shop62907168.m.taobao.com/#list",
  "http://shop59495864.m.taobao.com/#list",
   "http://shop60374631.m.taobao.com/#list"
    );
for (var i = 0; i < urls.length; i++) {
    console.log(("採集地址：" + urls[i]).red);
    capture(urls[i]);
}
function capture(url) {
    count++;
    var spawn = require('child_process').spawn,
    ls = spawn('phantomjs', ['phantomcapture.js', url, count]);


    ls.stdout.on('data', function (data) {
        var buf = new Buffer(data, 'win1251');
        buf.write(data, 'gbk');
        console.log(buf.toString('gbk'));
    });

    ls.stderr.on('data', function (data) {
        //console.log('stderr: ' + data);

    });

    ls.on('close', function (code) {
        if (code == 1) {
            console.log('child process異常結束。目標：' + url);
        }

    });

}