X-Crawl
X-Crawl是一个灵活的节点。JS多功能爬网库。用于爬网页,爬网界面,爬网文件和民意测验爬网。
如果您也喜欢X-Crawl,则可以给x-crawl repository一颗星星来支持它,谢谢您的支持!
特征
- ð¥asyncsync - 只需将模式属性值更改为开关异能或同步爬行模式。
- â€多个功能 - 它可以爬网页,爬网界面,爬网文件和轮询爬网,并支持爬网。
- - 灵活的写作样式 - 简单的目标配置,详细的目标配置,混合目标数组配置和高级配置,相同的爬网API可以适应多种配置。
- ð设备指纹 - 零配置或自定义配置,以避免指纹识别和从不同位置跟踪我们。
- ±!±间隔爬行 - 没有间隔,固定间隔和随机间隔可以产生或避免同时发生。
- ð重试失败 - 全球设置,本地设置和个别设置,它可以避免暂时问题引起的爬行失败。
- ð优先级队列 - 根据单个爬行目标的优先级,它可以在其他目标之前爬行。
- - 抓取spa - 爬网SPA(单页应用程序)生成预渲染的内容(又称“ 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 - 捕获和记录爬行结果和其他信息,并在控制台上突出显示提醒。
- ð€typescript - 自己的类型,通过仿制药实现完整的类型。
例子
以每天自动为Airbnb Hawaii体验和加上列表的一些图片为例:
// 1.Import module ES/CJS
import xCrawl from 'x-crawl'
// 2.Create a crawler instance
const myXCrawl = xCrawl({ maxRetry: 3, intervalTime: { max: 3000, min: 2000 } })
// 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 res = await myXCrawl.crawlPage([
'https://zh.airbnb.com/s/hawaii/experiences',
'https://zh.airbnb.com/s/hawaii/plus_homes'
])
// Store the image URL to targets
const targets = []
const elSelectorMap = ['.c14whb16', '.a1stauiv']
for (const item of res) {
const { id } = item
const { page } = item.data
// Gets the URL of the page's wheel image element
const boxHandle = await page.$(elSelectorMap[id - 1])
const urls = await boxHandle!.$$eval('picture img', (imgEls) => {
return imgEls.map((item) => item.src)
})
targets.push(...urls)
// Close page
page.close()
}
// Call the crawlFile API to crawl pictures
myXCrawl.crawlFile({ targets, storeDir: './upload' })
})
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。
更多的
有关更多详细的文档,请检查:https://github.com/coder-hxl/x-crawl