即使是https网页，解析的方式也不是一致的，需要多试试。
代码：
//======================================================
// aitaotu图片批量下载Node.js爬虫1.00
// 2017年11月14日
//======================================================
// 内置http模块
var https=require("https");
// 内置文件处理模块，用于创建目录和图片文件
var fs=require(‘fs‘);
// cheerio模块，提供了类似jQuery的功能，用于从HTML code中查找图片地址和下一页
var cheerio = require("cheerio");
// 请求参数JSON。http和https都有使用
var options;
// request请求
var req;
// 图片数组，找到的图片地址会放到这里
var pictures=[];
//--------------------------------------
// 爬取网页，找图片地址，再爬
// pageUrl sample:https://www.aitaotu.com/rihan/30598.html
// pageUrl sample:https://www.aitaotu.com/rihan/33405.html
//--------------------------------------
function crawl(pageUrl){
console.log("Current page="+pageUrl);
// 得到hostname和path
var currUrl=pageUrl.replace("https://","");
var pos=currUrl.indexOf("/");
var hostname=currUrl.slice(0,pos);
var path=currUrl.slice(pos);
//console.log("hostname="+hostname);
//console.log("path="+path);
// 初始化options
options={
hostname:hostname,
port:443,
path:path,// 子路径
method:‘GET‘,
};
req=https.request(options,function(resp){
var html = [];
resp.on("data", function(data) {
html.push(data);
})
resp.on("end", function() {
var buffer = Buffer.concat(html);
var body=buffer.toString();
//console.log(body);
var $ = cheerio.load(body);
var picCount=0;
// 找图片放入数组
$("#big-pic p a img").each(function(index,element){
var picUrl=$(element).attr("src");
//console.log(picUrl);
if(picUrl.indexOf(‘.jpg‘)!=-1){
pictures.push(picUrl);
picCount++;
}
})
console.log("找到图片"+picCount+"张.");
var nextPageUrl=null;
// 找下一页
$(".pages ul li a").each(function(index,element){
var text=$(element).text();
if(text.indexOf(‘下一页‘)!=-1){
nextPageUrl=$(element).attr("href");
nextPageUrl="https://www.aitaotu.com/"+nextPageUrl;// 把省略部分加上
console.log("找到下一页.");
}
})
if(nextPageUrl==null){
console.log(pageUrl+"已经是最后一页了.");
download(pictures);
}else{
//console.log("下一页是"+nextPageUrl);
crawl(nextPageUrl);
}
}).on("error", function() {
console.log("获取失败")
})
});
// 超时处理
req.setTimeout(5000,function(){
req.abort();
});
// 出错处理
req.on(‘error‘,function(err){
if(err.code=="ECONNRESET"){
console.log(‘socket端口连接超时。‘);
}else{
console.log(‘请求发生错误，err.code:‘+err.code);
}
});
// 请求结束
req.end();
}
var total=0;
var succeed=0;
var failed=0;
//--------------------------------------
// 下载图片
//--------------------------------------
function download(pictures){
var folder=‘pictures(‘+getNowFormatDate()+")";
// 创建目录
fs.mkdir(‘./‘+folder,function(err){
if(err){
console.log("目录"+folder+"已经存在");
}
});
total=pictures.length;
console.log("总计有"+total+"张图片将被下载.");
appendToLogfile(folder,"总计有"+total+"张图片将被下载.\n");
for(var i=0;i<pictures.length;i++){
var picUrl=pictures[i];
downloadPic(picUrl,folder);
}
}
//--------------------------------------
// 写log文件
//--------------------------------------
function appendToLogfile(folder,text){
fs.appendFile(‘./‘+folder+‘/log.txt‘, text, function (err) {
if(err){
console.log("不能书写log文件");
console.log(err);
}
});
}
//--------------------------------------
// 取得当前时间
//--------------------------------------
function getNowFormatDate() {
var date = new Date();
var seperator1 = "-";
var seperator2 = "_";
var month = date.getMonth() + 1;
var strDate = date.getDate();
if (month >= 1 && month <= 9) {
month = "0" + month;
}
if (strDate >= 0 && strDate <= 9) {
strDate = "0" + strDate;
}
var currentdate =date.getFullYear() + seperator1 + month + seperator1 + strDate
+ " " + date.getHours() + seperator2 + date.getMinutes()
+ seperator2 + date.getSeconds();
return currentdate;
}
//--------------------------------------
// 下载单张图片
// picUrl sample:https://img.aitaotu.cc:8089/Pics/2017/0410/03/01.jpg
//--------------------------------------
function downloadPic(picUrl,folder){
console.log("图片:"+picUrl+"下载开始");
// 得到hostname，path和port
var currUrl=picUrl.replace("https://","");
var pos=currUrl.indexOf("/");
var hostname=currUrl.slice(0,pos);
var path=currUrl.slice(pos);
var arr=hostname.split(":");
hostname=arr[0];
var port=arr[1];
//console.log("hostname="+hostname);
//console.log("path="+path);
//console.log("port="+port);
var picName=currUrl.slice(currUrl.lastIndexOf("/"));
// 初始化options
options={
hostname:hostname,
port:port,
path:path,// 子路径
method:‘GET‘,
};
req=https.request(options,function(resp){
var imgData = "";
resp.setEncoding("binary");
resp.on(‘data‘,function(chunk){
imgData+=chunk;
});
resp.on(‘end‘,function(){
// 创建文件
var fileName="./"+folder+picName;
fs.writeFile(fileName, imgData, "binary", function(err){
if(err){
console.log("[downloadPic]文件"+fileName+"下载失败.");
console.log(err);
appendToLogfile(folder,"文件 "+picUrl+" 下载失败.\n");
failed++;
}else{
appendToLogfile(folder,"文件 "+picUrl+" 下载成功.\n");
console.log("文件"+fileName+"下载成功");
succeed++;
}
});
});
});
// 超时处理
req.setTimeout(7500,function(){
req.abort();
});
// 出错处理
req.on(‘error‘,function(err){
if(err){
console.log(‘[downloadPic]文件‘+picUrl+"下载失败,"+‘因为‘+err);
appendToLogfile(folder,"文件"+picUrl+"下载失败.\n");
}
failed++;
});
// 请求结束
req.end();
}
//--------------------------------------
// 程序入口
//--------------------------------------
function getInput(){
process.stdout.write("\033[35m 请输入第一页URL:\033[039m"); //紫色
process.stdin.resume();
process.stdin.setEncoding(‘utf8‘);
process.stdin.on(‘data‘,function(text){
process.stdin.end();// 退出输入状态
crawl(text.trim());// trim()是必须的！
});
}
// 调用getInput函数，程序开始
getInput();
2017年11月14日18:28:37
时间： 2025-01-11 15:21:34