四虎影视884a精品国产四虎,久久亚洲精品成人综合,一级黄色在线视频

基于TypeScript從0到1搭建一款爬蟲工具

前言

今天，我們將使用TS這門語言搭建一款爬蟲工具。目標網址是什么呢?我們去上網一搜，經過幾番排查之后，我們選定了這一個網站。

https://www.hanju.run/

一個視頻網站，我們的目的主要是爬取這個網站上視頻的播放鏈接。下面，我們就開始進行第一步。

第一步

俗話說，萬事開頭難。不過對于這個項目而言，恰恰相反。你需要做以下幾個事情：

1.我們需要創建一個項目文件夾

2.鍵入命令，初始化項目

npm init -y

3.局部安裝typescript

npm install typescript -D

4.接著鍵入命令，生成ts配置文件

tsc --init

5.局部安裝ts-node，用于命令行輸出命令

npm install -D ts-node

6.在項目文件夾中創建一個src文件夾

然后我們在src文件夾中創建一個crawler.ts文件。

7.在package.json文件中修改快捷啟動命令

"scripts": {
"dev-t": "ts-node ./src/crawler.ts"
}

第二步

接下來，我們將進行實戰操作，也就是上文中crawler.ts文件是我們的主戰場。

我們首先需要引用的這幾個依賴，分別是

import superagent from "superagent";
import cheerio from "cheerio";
import fs from "fs";
import path from "path";

所以，我們會這樣安裝依賴：

superagent作用是獲取遠程網址html的內容。

npm install superagent

cheerio作用是可以通過jQ語法獲取頁面節點的內容。

npm install cheerio

剩余兩個依賴fs，path。它們是node內置依賴，直接引入即可。

我們完成了安裝依賴，但是會發現你安裝的依賴上會有紅色報錯。原因是這樣的，superagent和cheerio內部都是用JS寫的，并不是TS寫的，而我們現在的環境是TS。所以我們需要翻譯一下，我們將這種翻譯文件又稱類型定義文件(以.d.ts為后綴)。我們可以使用以下命令安裝類型定義文件。

npm install -D @types/superagent

npm install -D @types/cheerio

接下來，我們就認認真真看源碼了。

1.安裝完兩個依賴后，我們需要創建一個Crawler類，并且將其實例化。

import superagent from "superagent";
import cheerio from "cheerio";
import fs from "fs";
import path from "path";
class Crawler {
constructor() {
}
}
const crawler = new Crawler();

2.我們確定下要爬取的網址，然后賦給一個私有變量。最后我們會封裝一個getRawHtml方法來獲取對應網址的內容。

getRawHtml方法中我們使用了async/await關鍵字，主要用于異步獲取頁面內容，然后返回值。

import superagent from "superagent";
import cheerio from "cheerio";
import fs from "fs";
import path from "path";
class Crawler {
private url = "https://www.hanju.run/play/39221-4-0.html";
async getRawHtml() {
const result = await superagent.get(this.url);
return result.text;
}
async initSpiderProcess() {
const html = await this.getRawHtml();
}
constructor() {
this.initSpiderProcess();
}
}
const crawler = new Crawler();

3.使用cheerio依賴內置的方法獲取對應的節點內容。

我們通過getRawHtml方法異步獲取網頁的內容，然后我們傳給getJsonInfo這個方法，注意是string類型。我們這里通過cheerio.load(html)這條語句處理，就可以通過jQ語法來獲取對應的節點內容。我們獲取到了網頁中視頻的標題以及鏈接，通過鍵值對的方式添加到一個對象中。注：我們在這里定義了一個接口，定義鍵值對的類型。

import superagent from "superagent";
import cheerio from "cheerio";
import fs from "fs";
import path from "path";
interface Info {
name: string;
url: string;
}
class Crawler {
private url = "https://www.hanju.run/play/39221-4-0.html";
getJsonInfo(html: string) {
const $ = cheerio.load(html);
const info: Info[] = [];
const scpt: string = String($(".play>script:nth-child(1)").html());
const url = unescape(
scpt.split(";")[3].split("(")[1].split(")")[0].replace(/\"/g, "")
);
const name: string = String($("title").html());
info.push({
name,
url,
});
const result = {
time: new Date().getTime(),
data: info,
};
return result;
}
async getRawHtml() {
const result = await superagent.get(this.url);
return result.text;
}
async initSpiderProcess() {
const html = await this.getRawHtml();
const info = this.getJsonInfo(html);
}
constructor() {
this.initSpiderProcess();
}
}
const crawler = new Crawler();

4.我們首先要在項目根目錄下創建一個data文件夾。然后我們將獲取的內容我們存入文件夾內的url.json文件(文件自動生成)中。

我們將其封裝成getJsonContent方法，在這里我們使用了path.resolve來獲取文件的路徑。fs.readFileSync來讀取文件內容，fs.writeFileSync來將內容寫入文件。注：我們分別定義了兩個接口objJson與InfoResult。

import superagent from "superagent";
import cheerio from "cheerio";
import fs from "fs";
import path from "path";
interface objJson {
[propName: number]: Info[];
}
interface Info {
name: string;
url: string;
}
interface InfoResult {
time: number;
data: Info[];
}
class Crawler {
private url = "https://www.hanju.run/play/39221-4-0.html";
getJsonInfo(html: string) {
const $ = cheerio.load(html);
const info: Info[] = [];
const scpt: string = String($(".play>script:nth-child(1)").html());
const url = unescape(
scpt.split(";")[3].split("(")[1].split(")")[0].replace(/\"/g, "")
);
const name: string = String($("title").html());
info.push({
name,
url,
});
const result = {
time: new Date().getTime(),
data: info,
};
return result;
}
async getRawHtml() {
const result = await superagent.get(this.url);
return result.text;
}
getJsonContent(info: InfoResult) {
const filePath = path.resolve(__dirname, "../data/url.json");
let fileContent: objJson = {};
if (fs.existsSync(filePath)) {
fileContent = JSON.parse(fs.readFileSync(filePath, "utf-8"));
}
fileContent[info.time] = info.data;
fs.writeFileSync(filePath, JSON.stringify(fileContent));
}
async initSpiderProcess() {
const html = await this.getRawHtml();
const info = this.getJsonInfo(html);
this.getJsonContent(info);
}
constructor() {
this.initSpiderProcess();
}
}
const crawler = new Crawler();

5.運行命令

npm run dev-t

6.查看生成文件的效果

{
"1610738046569": [
{
"name": "《復仇者聯盟4：終局之戰》HD1080P中字m3u8在線觀看-韓劇網",
"url": "https://wuxian.xueyou-kuyun.com/20190728/16820_302c7858/index.m3u8"
}
],
"1610738872042": [
{
"name": "《鋼鐵俠2》HD高清m3u8在線觀看-韓劇網",
"url": "https://www.yxlmbbs.com:65/20190920/54uIR9hI/index.m3u8"
}
],
"1610739069969": [
{
"name": "《鋼鐵俠2》中英特效m3u8在線觀看-韓劇網",
"url": "https://tv.youkutv.cc/2019/11/12/mjkHyHycfh0LyS4r/playlist.m3u8"
}
]
}

準結語

到這里真的結束了嗎?

不!不!不!

真的沒有結束。

我們會看到上面一坨代碼，真的很臭~

我們將分別使用組合模式與單例模式將其優化。

優化一：組合模式

組合模式(Composite Pattern)，又叫部分整體模式，是用于把一組相似的對象當作一個單一的對象。組合模式依據樹形結構來組合對象，用來表示部分以及整體層次。這種類型的設計模式屬于結構型模式，它創建了對象組的樹形結構。

這種模式創建了一個包含自己對象組的類。該類提供了修改相同對象組的方式。

簡言之，就是可以像處理簡單元素一樣來處理復雜元素。

首先，我們在src文件夾下創建一個combination文件夾，然后在其文件夾下分別在創建兩個文件crawler.ts和urlAnalyzer.ts。

crawler.ts

crawler.ts文件的作用主要是處理獲取頁面內容以及存入文件內。

import superagent from "superagent";
import fs from "fs";
import path from "path";
import UrlAnalyzer from "./urlAnalyzer.ts";
export interface Analyzer {
analyze: (html: string, filePath: string) => string;
}
class Crowller {
private filePath = path.resolve(__dirname, "../../data/url.json");
async getRawHtml() {
const result = await superagent.get(this.url);
return result.text;
}
writeFile(content: string) {
fs.writeFileSync(this.filePath, content);
}
async initSpiderProcess() {
const html = await this.getRawHtml();
const fileContent = this.analyzer.analyze(html, this.filePath);
this.writeFile(fileContent);
}
constructor(private analyzer: Analyzer, private url: string) {
this.initSpiderProcess();
}
}
const url = "https://www.hanju.run/play/39257-1-1.html";
const analyzer = new UrlAnalyzer();
new Crowller(analyzer, url);

urlAnalyzer.ts

urlAnalyzer.ts文件的作用主要是處理獲取頁面節點內容的具體邏輯。

import cheerio from "cheerio";
import fs from "fs";
import { Analyzer } from "./crawler.ts";
interface objJson {
[propName: number]: Info[];
}
interface InfoResult {
time: number;
data: Info[];
}
interface Info {
name: string;
url: string;
}
export default class UrlAnalyzer implements Analyzer {
private getJsonInfo(html: string) {
const $ = cheerio.load(html);
const info: Info[] = [];
const scpt: string = String($(".play>script:nth-child(1)").html());
const url = unescape(
scpt.split(";")[3].split("(")[1].split(")")[0].replace(/\"/g, "")
);
const name: string = String($("title").html());
info.push({
name,
url,
});
const result = {
time: new Date().getTime(),
data: info,
};
return result;
}
private getJsonContent(info: InfoResult, filePath: string) {
let fileContent: objJson = {};
if (fs.existsSync(filePath)) {
fileContent = JSON.parse(fs.readFileSync(filePath, "utf-8"));
}
fileContent[info.time] = info.data;
return fileContent;
}
public analyze(html: string, filePath: string) {
const info = this.getJsonInfo(html);
console.log(info);
const fileContent = this.getJsonContent(info, filePath);
return JSON.stringify(fileContent);
}
}

可以在package.json文件中定義快捷啟動命令。

"scripts": {
"dev-c": "ts-node ./src/combination/crawler.ts"
},

然后使用npm run dev-c啟動即可。

優化二：單例模式

**單例模式(Singleton Pattern)**是 Java 中最簡單的設計模式之一。這種類型的設計模式屬于創建型模式，它提供了一種創建對象的最佳方式。

這種模式涉及到一個單一的類，該類負責創建自己的對象，同時確保只有單個對象被創建。這個類提供了一種訪問其唯一的對象的方式，可以直接訪問，不需要實例化該類的對象。

應用實例：

1、一個班級只有一個班主任。
2、Windows 是多進程多線程的，在操作一個文件的時候，就不可避免地出現多個進程或線程同時操作一個文件的現象，所以所有文件的處理必須通過唯一的實例來進行。
3、一些設備管理器常常設計為單例模式，比如一個電腦有兩臺打印機，在輸出的時候就要處理不能兩臺打印機打印同一個文件。

同樣，我們在src文件夾下創建一個singleton文件夾，然后在其文件夾下分別在創建兩個文件crawler1.ts和urlAnalyzer.ts。

這兩個文件的作用與上文同樣，只不過代碼書寫不一樣。

crawler1.ts

import superagent from "superagent";
import fs from "fs";
import path from "path";
import UrlAnalyzer from "./urlAnalyzer.ts";
export interface Analyzer {
analyze: (html: string, filePath: string) => string;
}
class Crowller {
private filePath = path.resolve(__dirname, "../../data/url.json");
async getRawHtml() {
const result = await superagent.get(this.url);
return result.text;
}
private writeFile(content: string) {
fs.writeFileSync(this.filePath, content);
}
private async initSpiderProcess() {
const html = await this.getRawHtml();
const fileContent = this.analyzer.analyze(html, this.filePath);
this.writeFile(JSON.stringify(fileContent));
}
constructor(private analyzer: Analyzer, private url: string) {
this.initSpiderProcess();
}
}
const url = "https://www.hanju.run/play/39257-1-1.html";
const analyzer = UrlAnalyzer.getInstance();
new Crowller(analyzer, url);

urlAnalyzer.ts

import cheerio from "cheerio";
import fs from "fs";
import { Analyzer } from "./crawler1.ts";
interface objJson {
[propName: number]: Info[];
}
interface InfoResult {
time: number;
data: Info[];
}
interface Info {
name: string;
url: string;
}
export default class UrlAnalyzer implements Analyzer {
static instance: UrlAnalyzer;
static getInstance() {
if (!UrlAnalyzer.instance) {
UrlAnalyzer.instance = new UrlAnalyzer();
}
return UrlAnalyzer.instance;
}
private getJsonInfo(html: string) {
const $ = cheerio.load(html);
const info: Info[] = [];
const scpt: string = String($(".play>script:nth-child(1)").html());
const url = unescape(
scpt.split(";")[3].split("(")[1].split(")")[0].replace(/\"/g, "")
);
const name: string = String($("title").html());
info.push({
name,
url,
});
const result = {
time: new Date().getTime(),
data: info,
};
return result;
}
private getJsonContent(info: InfoResult, filePath: string) {
let fileContent: objJson = {};
if (fs.existsSync(filePath)) {
fileContent = JSON.parse(fs.readFileSync(filePath, "utf-8"));
}
fileContent[info.time] = info.data;
return fileContent;
}
public analyze(html: string, filePath: string) {
const info = this.getJsonInfo(html);
console.log(info);
const fileContent = this.getJsonContent(info, filePath);
return JSON.stringify(fileContent);
}
private constructor() {}
}

可以在package.json文件中定義快捷啟動命令。

"scripts": {
"dev-s": "ts-node ./src/singleton/crawler1.ts",
},

然后使用npm run dev-s啟動即可。

結語

這下真的結束了，謝謝閱讀。希望可以幫到你。

完整源碼地址：

https://github.com/maomincoding/TsCrawler

原文地址：https://mp.weixin.qq.com/s/Q8AJsDqrQAy9NQdv6Ykg3w

一区二区三区在线-一区二区三区亚洲视频-一区二区三区亚洲-一区二区三区午夜-一区二区三区四区在线视频-一区二区三区四区在线免费观看

基于TypeScript從0到1搭建一款爬蟲工具

延伸 · 閱讀

vue Cli 環境刪除與重裝教程 - 版本文檔

javascript 彈出窗口中是否顯示地址欄的實現代碼

微信小程序實現導航功能的操作步驟

jQuery中before()方法用法實例

js獲取會話框prompt的返回值的方法

基于jQuery的JavaScript模版引擎JsRender使用指南

一文秒懂nodejs中的異步編程

JavaScript中的ubound函數使用實例

云服務器是什么，云主機干什么用的？

2020最新好用的web服務器軟件推薦

服務器操作系統有哪些?

web服務器配置（圖文詳解）

企業如何選擇阿里云服務器配置?

五大免費主機管理系統優缺點對比及推薦

2019最新三款Windows下連接Linux的ssh軟件下載推薦

服務器常用管理軟件盤點

Nginx服務器究竟是怎么執行PHP項目