Node.js mm131图片批量下载爬虫1.00 iconv协助转码

//======================================================
// mm131图片批量下载爬虫1.00
// 2017年11月15日
//======================================================

// 内置http模块
var http=require("http");

// 内置文件处理模块，用于创建目录和图片文件
var fs=require('fs');

// 用于转码。非Utf8的网页如gb2132会有乱码问题，需要iconv将其转码
var iconv = require('iconv-lite');

// 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:http://www.mm131.com/xinggan/2852.html
// pageUrl sample:http://www.mm131.com/xinggan/2853.html
// pageUrl sample:http://www.mm131.com/xinggan/2976.html
//--------------------------------------
function crawl(pageUrl){
console.log("Current page="+pageUrl);

// 得到hostname和path
var currUrl=pageUrl.replace("http://","");
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:80,
path:path,// 子路径
method:'GET',
};

req=http.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 = iconv.decode(buffer,'gb2312'); // 特地增加的，为了让汉字不乱码，header里面有<meta http-equiv="Content-Type" content="text/html; charset=gb2312">字样都需要iconv帮忙转码
//console.log(body);

var $ = cheerio.load(body);
var picCount=0;

// 找图片放入数组
$(".content-pic a img").each(function(index,element){
var picUrl=$(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
$(".content-page a").each(function(index,element){
var text=$(element).text();
if(text.indexOf('下一页')!=-1){
nextPageUrl=$(element).attr("href");
nextPageUrl="http://www.mm131.com/xinggan/"+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.\n");
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(7500,function(){
req.abort();
});

// 出错处理
req.on('error',function(err){
console.log('请求发生错误'+err);
});

// 请求结束
req.end();
}

//--------------------------------------
// 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");
}
});

var total=0;
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:http://img2.mm131.com:55888/pic/2852/1.jpg
//--------------------------------------
function downloadPic(picUrl,folder){
console.log("图片:"+picUrl+"下载开始");

// 得到hostname，path和port
var currUrl=picUrl.replace("http://","");
var pos=currUrl.indexOf("/");
var hostname=currUrl.slice(0,pos);
var path=currUrl.slice(pos);

// 有端口加端口，没有端口默认80
var port=80;
if(hostname.indexOf(":")!=-1){
var arr=hostname.split(":");
hostname=arr[0];
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',
headers:{
'Referer':'http://www.mm131.com',
}
};

req=http.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");
}else{
appendToLogfile(folder,"文件  "+picUrl+"  下载成功.\n");
console.log("文件"+fileName+"下载成功");
}
});
});
});

// 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");
}
});

// 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();