X-Crawl

X-Crawl是一个灵活的Nodejs爬网库。它可以分批爬网，分批网络请求，以批量下载文件资源，投票和爬行等。支持异步/同步模式爬网。在nodejs上运行，用法灵活且简单，对JS/TS开发人员友好。

如果您感觉良好，可以给x-crawl repository一个恒星支持它，您的明星将成为我更新的动力。

ð¥异步/同步 - 支持异步/同步模式批处理。
- 多功能 - 页面的批处理，批处理网络请求，文件资源下载批处理，投票crawling等等。
- 灵活的写作样式 - 多个爬行配置和获得爬行结果的方法。
±！±间隔爬行 - 无间隔/固定间隔/随机间隔，您可以使用/避免并避免并发。
- 抓取spa - 批处理爬网SPA（单页应用程序）生成预渲染的内容（即“ ssr”（服务器端渲染））。
控制页面 - 无头浏览器可以提交表格，击键，事件操作，生成页面的屏幕截图等。
ð§¾捕获记录 - 捕获并记录爬行结果，并突出显示提醒。
ð¾Typescript - 自己的类型，通过仿制药实现完整类型。

例子

时序捕获：每天以Airbnb Plus清单的封面图像为例：

// 1.Import module ES/CJS
import xCrawl from 'x-crawl'

// 2.Create a crawler instance
const myXCrawl = xCrawl({
  timeout: 10000, // overtime time
  intervalTime: { max: 3000, min: 2000 } // crawl interval
})

// 3.Set the crawling task
/*
  Call the startPolling API to start the polling function,
  and the callback function will be called every other day
*/
myXCrawl.startPolling({ d: 1 }, async (count, stopPolling) => {
  // Call crawlPage API to crawl Page
  const { page } = await myXCrawl.crawlPage('https://zh.airbnb.com/s/*/plus_homes')

  // set request configuration
  const plusBoxHandle = await page.$('.a1stauiv')
  const requestConfig = await plusBoxHandle!.$$eval('picture img', (imgEls) => {
    return imgEls.map((item) => item.src)
  })

  // Call the crawlFile API to crawl pictures
  myXCrawl.crawlFile({ requestConfig, fileConfig: { storeDir: './upload' } })

  // Close page
  page.close()
})

运行结果：

注意：不要随意爬行，您可以在爬行前检查 robots.txt 协议。这只是为了演示如何使用X-Crawl。

X-Crawl

例子

更多的