使用Nodejs怎么编写一个定时爬虫

使用Nodejs怎么编写一个定时爬虫？针对这个问题，这篇文章详细介绍了相对应的分析和解答，希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。

const axios = require('axios') const roomid = "146088" const ruid = "642922" const url = `https://api.live.bilibili.com/xlive/app-room/v2/guardTab/topList?roomid=${roomid}&ruid=${ruid}&page_size=30` const Captin = {  1: '总督',  2: '提督',  3: '舰长' } const reqPromise = url => axios.get(url); let CaptinList = [] let UserList = [] async function crawler(URL, pageNow) {  const res = await reqPromise(URL);  if (pageNow == 1) {  CaptinList = CaptinList.concat(res.data.data.top3);  }  CaptinList = CaptinList.concat(res.data.data.list); } function getMaxPage(res) {  const Info = res.data.data.info  const { page: maxPage } = Info  return maxPage } function getUserList(res) {  for (let item of res) {  const userInfo = item  const { uid, username, guard_level } = userInfo  UserList.push({ uid, username, Captin: Captin[guard_level] })  } } async function main(UID) {  const maxPage = await reqPromise(`${url}&page=1`).then(getMaxPage)  for (let pageNow = 1; pageNow < maxPage + 1; pageNow++) {  const URL = `${url}&page=${pageNow}`;  await crawler(URL, pageNow);  }  getUserList(CaptinList)  console.log(search(UID, UserList))  return search(UID, UserList) } function search(uid, UserList) {  for (let i = 0; i < UserList.length; i++) {  if (UserList[i].uid === uid) {  return UserList[i];  }  }  return 0 } module.exports = {  main }

很明显这个爬虫只能手动触发，直接跑还需要个命令行和node环境，于是就给他用Koa2开了个页面服务，写一个极其简陋的页面

const Koa = require('koa'); const app = new Koa(); const path = require('path') const fs = require('fs'); const router = require('koa-router')(); const index = require('./index') const views = require('koa-views') app.use(views(path.join(__dirname, './'), {  extension: 'ejs' })) app.use(router.routes()); router.get('/', async ctx => {  ctx.response.type = 'html';  ctx.response.body = fs.createReadStream('./index.html'); }) router.get('/api/captin', async (ctx) => {  const UID = ctx.request.query.uid  console.log(UID)  const Info = await index.main(parseInt(UID))  await ctx.render('index', {  Info,  }) }); app.listen(3000);

由于页面没有节流防抖，当前版本又只能实时爬取，等待时间较长，频繁刷新自然会触发b站的反爬虫机制，于是当前服务器ip就被风控了。

于是bilibili-live-captain-tools 2.0横空出世

function throttle(fn, delay) {  var timer;  return function () {  var _this = this;  var args = arguments;  if (timer) {   return;  }  timer = setTimeout(function () {   fn.apply(_this, args);   timer = null; // 在delay后执行完fn之后清空timer，此时timer为假，throttle触发可以进入计时器  }, delay)  } }

再添加节流防抖的同时，使用伪实时爬虫（通过定时任务一分钟爬取一次）

这种情况我们需要去定时执行爬虫脚本了，这个时候我就想到了就可以利用egg的schedule功能了，可是不想让一个爬虫程序如此“大材小用”,遇事不决，百度一下。于是就有了下面的方案

使用 Node Schedule 实现定时任务

Node Schedule是用于Node.js的灵活的cron类和非cron类作业调度程序。 它允许您使用可选的重复规则来计划作业（任意函数），以在特定日期执行。 它在任何给定时间仅使用一个计时器（而不是每秒钟/分钟重新评估即将到来的作业）。

一、安装 node-schedule

npm install node-schedule # 或 yarn add node-schedule

二、基本用法

一起啊看一下官方给的例子

const schedule = require('node-schedule'); const job = schedule.scheduleJob('42 * * * *', function(){  console.log('The answer to life, the universe, and everything!'); });

schedule.scheduleJob 的第一个参数需要如下按照规则输入

Node Schedule规则按下表表示

*  *  *  *  *  *
┬  ┬  ┬  ┬  ┬  ┬
│  │  │  │  │  |
│  │  │  │  │  └ 星期几，取值：0 - 7，其中 0 和 7 都表示是周日
│  │  │  │  └─── 月份，取值：1 - 12
│  │  │  └────── 日期，取值：1 - 31
│  │  └───────── 时，取值：0 - 23
│  └──────────── 分，取值：0 - 59
└─────────────── 秒，取值：0 - 59（可选）
也可以指定一个具体的时间，如：const date = new Date()

看懂规则我们自己实现一个

const schedule = require('node-schedule'); // 定义一个时间 let date = new Date(2021, 3, 10, 12, 00, 0); // 定义一个任务 let job = schedule.scheduleJob(date, () => {  console.log("现在时间:",new Date()); });

上面的例子就代表到2021年3月10日12点的时候执行报时

三、高级用法

除了基础的用法，我们还可以使用一些更为灵活的方法来实现定时任务。

3.1、隔一分钟执行一次

const schedule = require('node-schedule'); // 定义规则 let rule = new schedule.RecurrenceRule(); rule.second = 0 //每分钟 0 秒执行一次 // 启动任务 let job = schedule.scheduleJob(rule, () => {  console.log(new Date()); });

rule 支持设置的值有 second、minute、hour、date、dayOfWeek、month、year 等。

一些常见的规则如下表

每秒执行
rule.second = [0,1,2,3......59];
每分钟 0 秒执行
rule.second = 0;
每小时 30 分执行
rule.minute = 30;
rule.second = 0;
每天 0 点执行
rule.hour =0;
rule.minute =0;
rule.second =0;
每月 1 号的 10 点执行
rule.date = 1;
rule.hour = 10;
rule.minute = 0;
rule.second = 0;
每周一、周三、周五的 0 点和 12 点执行
rule.dayOfWeek = [1,3,5];
rule.hour = [0,12];
rule.minute = 0;
rule.second = 0;

四、终止任务

可以使用 cancel() 终止一个运行中的任务。当任务出现异常及时取消终止任务

job.cancel();

关于使用Nodejs怎么编写一个定时爬虫问题的解答就分享到这里了，希望以上内容可以对大家有一定的帮助，如果你还有很多疑惑没有解开，可以关注亿速云行业资讯频道了解更多相关知识。