node crawler如何新增promise支援
阿新 • • 發佈:2020-02-03
背景
最近在組內做一些爬蟲相關的工作,本來想自己簡單造個輪子的,但是經網友推薦後,採用了node-crawler,用了一段時間過後,確實滿足了我的絕大部分需求,但是其 api 卻不支援 promise,而且我還需要一些同步爬取、同步處理的能力,如果不用 promise 的話,寫法很不優雅,所以我就簡單地給其封裝了一層 promise api
現狀
目前 node-crawler 的使用方式不支援 promise ,這裡直接給出 npm 上的使用例子
const Crawler = require("crawler") // 例項化 const c = new Crawler({ // ... 可以傳入一些配置 callback : function (error,res,done) { // 請求回撥,例項化的時候傳入的 callback 是作為預設 callback 的,後續每次抓取如果沒有傳入 callback,那麼都會呼叫預設 callback done(); } }) // 爬取 c.queue([{ uri: 'http://parishackers.org/',jQuery: false,// The global callback won't be called callback: function (error,done) { if(error){ console.log(error); }else{ console.log('Grabbed',res.body.length,'bytes'); } done(); } }])
這樣的回撥方式對於多爬蟲同步爬取很不友好
改造
理想使用方式:
const Crawler = require('crawler') const c = new Crawler({ // 一些預設配置 }) c .queue({ uri: 'xxx' }) .then(res => { // 抓取成功 }) .catch(err => { // 抓取失敗 })
改造方案:
// utils/crawler.js const Crawler = require('crawler') const defaultOptions = { jQuery: false,rateLimit: fetchRateLimit,retries: 0,timeout: fetchTimeout,} module.exports = class PromiseifyCrawler extends Crawler { // namespace 是為了後續抓取結果統一上報時候進行區分 constructor(namespace = 'unknow',options = {}) { if (typeof namespace === 'object') { options = namespace namespace = 'unknow' } options = merge({},defaultOptions,options) const cb = options.callback options.callback = (err,done) => { typeof cb === 'function' && cb(err,noop) process.nextTick(done) // 在這裡可以自定義抓取成功還是失敗 // 我這裡直接設定的是如果 http code 不是 200 就視為錯誤 // 而且在這裡也可以做一些抓取成功失敗的統計 if (err || res.statusCode !== 200) { if (!err) err = new Error(`${res.statusCode}-${res.statusMessage}`) err.options = res.options err.options.npolisReject(err) } else { res.options.npolisResolve(res) } } options.headers = Object.assign({},options.headers,{ 'X-Requested-With': 'XMLHttpRequest',}) super(options) } queue(options = {}) { // 每次抓取都是一個新的 promise return new Promise((resolve,reject) => { // 然後在 options 裡掛載上 resolve 和 reject // 這樣在全域性 callback 上就可以用到了 options.npolisResolve = resolve options.npolisReject = reject const pr = options.preRequest options.preRequest = (options,done) => { typeof pr === 'function' && pr(options,noop) // 在這裡也可以做一些通用的抓取前的處理 done() } super.queue(options) }) } // direct api 同理 } // 使用 const Crawler = require('./utils/crawler') const crawler = new Crawler('示例爬蟲 namespace') crawler .queue({ uri: 'xxx',preRequest: options => log('開始抓取'),}) .then(res => { log('爬取成功') return res }) .catch(err => { log('爬取失敗') throw err }) promise 化後,多個爬取任務同步爬取寫法就友好多了: // 抓取任務1 const fetchTask1 = () => crawler.queue({/* 配置 */}).then(res => handle(res)) // 抓取任務2 const fetchTask2 = () => crawler.queue({/* 配置 */}).then(res => handle(res)) const fetch = () => { return Promise.all([ fetchTask1(),fetchTask2(),]) } fetch()
這樣就完成了對 node-crawler 的 promise 化改造了
以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支援我們。