用Node.js通过sitemap.xml批量抓取美女图片

之前看了很多个版本，自己也搞一个。
1. 支持指定保存到哪个目录 2. 按文章进行分目录存放 3. 支持设置并行下载上限
下次有空再搞个整站下载的。
package.json


{
"name": "me2sex-images",
"version": "0.0.1",
"description": "Batch download images from http://me2-sex.lofter.com",
"main": "index.js",
"author": "Fay",
"license": "MIT",
"dependencies": {
"async": "^0.9.0",
"cheerio": "^0.18.0",
"mkdirp": "^0.5.0",
"request": "^2.51.0",
"url": "^0.10.2",
"xml2js": "^0.4.4"
}
}



index.js


var node = {
async: require('async'),
cheerio: require('cheerio'),
fs: require('fs'),
mkdirp: require('mkdirp'),
path: require('path'),
request: require('request'),
url: require('url'),
xml2js: require('xml2js'),
};

var Me2SexImages = {

/**
* 配置选项
*/
options: {
// 网站sitemap地址
sitemap: 'http://sexy.faceks.com/sitemap.xml',
// 保存到此文件夹
saveTo: '/Users/Fay/Pictures/me2sex',
// 图片并行下载上限
downLimit: 5,
},

posts: [],

/**
* 开始下载（程序入口函数）
*/
start: function() {
var self = this;
var async = node.async;

async.waterfall([
self.wrapTask(self.sitemapXML),
self.wrapTask(self.sitemapJSON),
self.wrapTask(self.downAllImages),
], function(err, result) {
if (err) {
console.log('error: %s', err.message);
} else {
console.log('success: 下载成功');
}
});
},

/**
* 包裹任务，确保原任务的上下文指向某个特定对象
* @param {Function} task 符合asycs.js调用方式的任务函数
* @param {Any} context 上下文
* @param {Array} exArgs 额外的参数
* @return {Function} 符合asycs.js调用方式的任务函数
*/
wrapTask: function(task, context, exArgs) {
var self = this;
return function() {
var args = [].slice.call(arguments);
args = exArgs ? exArgs.concat(args) : args;
task.apply(context || self, args);
};
},

/**
* 获取站点sitemap.xml
*/
sitemapXML: function(callback) {
console.log('开始下载sitemap.xml');
node.request(this.options.sitemap, function(err, res, body) {
if (!err) console.log('下载sitemap.xml成功');
callback(err, body);
});
},

/**
* 将sitemap.xml转成json
*/
sitemapJSON: function(sitemapXML, callback) {
var self = this;
console.log('开始解析sitemap.xml');
node.xml2js.parseString(sitemapXML, {explicitArray: false}, function(err, json) {
if (!err) {
self.posts = json.urlset.url;
self.posts.shift();
console.log('解析sitemap.xml成功，共有%d个页面', self.posts.length);
}
callback(err, self.posts);
});
},



/**
* 下载整站图片
*/
downAllImages: function(callback) {
var self = this;
var async = node.async;
console.log('开始批量下载');
async.eachSeries(self.posts, self.wrapTask(self.downPostImages), callback);
},


/**
* 下载单个post的图片
* @param {Object} post 文章
*/
downPostImages: function(post, callback) {
var self = this;
var async = node.async;

async.waterfall([
self.wrapTask(self.mkdir, self, [post]),
self.wrapTask(self.getPost),
self.wrapTask(self.parsePost),
self.wrapTask(self.downImages),
], callback);
},

mkdir: function(post, callback) {
var path = node.path;
var url = node.url.parse(post.loc);
post.dir = path.join(this.options.saveTo, path.basename(url.pathname));

console.log('准备创建目录：%s', post.dir);
if (node.fs.existsSync(post.dir)) {
callback(null, post);
console.log('目录：%s 已经存在', post.dir);
return;
}
node.mkdirp(post.dir, function(err) {
callback(err, post);
console.log('目录：%s 创建成功', post.dir);
});
},

/**
* 获取post内容
*/
getPost: function(post, callback) {
console.log('开始请求页面：%s', post.loc);
node.request(post.loc, function(err, res, body) {
if (!err) post.html = body;
callback(err, post);
console.log('请求页面成功：%s', post.loc);
});
},

/**
* 解析post，并获取post中的图片列表
*/
parsePost: function(post, callback) {
var $ = post.$ = node.cheerio.load(post.html);
post.images = $('.img')
.map(function() {return $(this).attr('bigimgsrc');})
.toArray();
callback(null, post);
},

/**
* 下载post图片列表中的图片
*/
downImages: function(post, callback) {
console.log('发现%d张妹子图片，准备开始下载...', post.images.length);
node.async.eachLimit(
post.images,
this.options.downLimit,
this.wrapTask(this.downImage, this, [post]),
callback
);
},

/**
* 下载单个图片
*/
downImage: function(post, imgsrc, callback) {
var url = node.url.parse(imgsrc);
var fileName = node.path.basename(url.pathname);
var toPath = node.path.join(post.dir, fileName);
console.log('开始下载图片：%s，保存到：%s，文件名：%s', imgsrc, post.dir, fileName);
node.request(imgsrc)
.pipe(node.fs.createWriteStream(toPath))
.on('close', function() {
console.log('图片下载成功：%s', imgsrc);
callback();
})
.on('error', callback);
}
};

Me2SexImages.start();


以上所述就是本文的全部内容，希望大家能够喜欢。


有用  |  无用 取消

猜你喜欢