這篇文章將為大家詳細講解有關node crawler添加promise支持的方法，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

創(chuàng)新互聯(lián)建站專注于科爾沁右翼中網(wǎng)站建設服務及定制，我們擁有豐富的企業(yè)做網(wǎng)站經(jīng)驗。 熱誠為您提供科爾沁右翼中營銷型網(wǎng)站建設，科爾沁右翼中網(wǎng)站制作、科爾沁右翼中網(wǎng)頁設計、科爾沁右翼中網(wǎng)站官網(wǎng)定制、小程序制作服務，打造科爾沁右翼中網(wǎng)絡公司原創(chuàng)品牌,更為您提供科爾沁右翼中網(wǎng)站排名全網(wǎng)營銷落地服務。

背景

最近在組內(nèi)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(jīng)網(wǎng)友推薦后，采用了node-crawler，用了一段時間過后，確實滿足了我的絕大部分需求，但是其 api 卻不支持 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(yōu)雅，所以我就簡單地給其封裝了一層 promise api

現(xiàn)狀

目前 node-crawler 的使用方式不支持 promise ，這里直接給出 npm 上的使用例子

const Crawler = require("crawler")

// 實例化
const c = new Crawler({
  // ... 可以傳入一些配置
  callback : function (error, res, done) {
    // 請求回調(diào)，實例化的時候傳入的 callback 是作為默認 callback 的，后續(xù)每次抓取如果沒有傳入 callback，那么都會調(diào)用默認 callback
    done();
  }
})

// 爬取
c.queue([{
  uri: 'http://parishackers.org/',
  jQuery: false,
 
  // The global callback won't be called
  callback: function (error, res, done) {
    if(error){
      console.log(error);
    }else{
      console.log('Grabbed', res.body.length, 'bytes');
    }
    done();
  }
}])

這樣的回調(diào)方式對于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({
  // 一些默認配置
})

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 是為了后續(xù)抓取結(jié)果統(tǒng)一上報時候進行區(qū)分
  constructor(namespace = 'unknow', options = {}) {
   if (typeof namespace === 'object') {
    options = namespace
    namespace = 'unknow'
   }
   
   options = merge({}, defaultOptions, options)

   const cb = options.callback
   options.callback = (err, res, done) => {
    typeof cb === 'function' && cb(err, res, noop)
    process.nextTick(done)
    // 在這里可以自定義抓取成功還是失敗
    // 我這里直接設置的是如果 http code 不是 200 就視為錯誤
    // 而且在這里也可以做一些抓取成功失敗的統(tǒng)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) => {
    // 然后在 options 里掛載上 resolve 和 reject
    // 這樣在全局 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)
     // 在這里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 化后，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

關于“node crawler添加promise支持的方法”這篇文章就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，使各位可以學到更多知識，如果覺得文章不錯，請把它分享出去讓更多的人看到。