Node.js meitulu图片批量下载爬虫1.051

原有1.05版程序没有断点续传模式，现在在最近程序基础上改写一版1.051.

//======================================================
// meitulu图片批量下载爬虫1.051
// 用最近的断点续传框架改写原有1.05版程序
// 2017年11月21日
//======================================================// 内置https模块
var https=require("https");// 内置http模块
var http=require("http");// 用于解析gzip网页（ungzip，https得到的网页是用gzip进行压缩的）
var zlib = require('zlib'); // 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=[];// 存放图片的目录
var folder="";//--------------------------------------
// 爬取网页，找图片地址，再爬
// pageUrl sample:https://www.meitulu.com/item/12161.html
// pageUrl sample:
//--------------------------------------
function crawl(pageUrl){console.log("Current page="+pageUrl);// 得到hostname和pathvar 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);
zlib.gunzip(buffer, function(err, decoded) {if(err){console.log("[findPageUrls]不能得到页面:"+batchPageUrl+"对应的html文本，错误是:"+err);console.log(err);}else{var body=decoded.toString();   //console.log(body);var $ = cheerio.load(body);        var picCount=0;// 找图片放入数组$(".content  img").each(function(index,element){var picUrl=$(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$("#pages a").each(function(index,element){var text=$(element).text();if(text.indexOf('下一页')!=-1){nextPageUrl=$(element).attr("href");  nextPageUrl="https://www.meitulu.com"+nextPageUrl;console.log("找到下一页="+nextPageUrl);}         })if(nextPageUrl==null || nextPageUrl==pageUrl){console.log(pageUrl+"已经是最后一页了.\n");saveFile(pageUrl,pictures);// 保存
                        download(pictures);}else{console.log("继续下一页");crawl(nextPageUrl);}               }    })}).on("error", function() {saveFile(pageUrl,pictures);// 保存console.log("crawl函数失败,请进入断点续传模式继续进行");})});// 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);  saveFile(pageUrl,pictures);// 保存console.log("crawl函数失败,请进入断点续传模式继续进行");});// 请求结束
    req.end();
}//--------------------------------------
// 下载图片
//--------------------------------------
function download(pictures){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://mtl.ttsqgs.com/images/img/12161/41.jpg
//--------------------------------------
function downloadPic(picUrl,folder){console.log("图片:"+picUrl+"下载开始");// 得到hostname，path和portvar 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80var port=80;//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,method:'GET',/* headers:{'Referer':'https://www.meitulu.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.stdin.resume();    process.stdout.write("\033[33m 新建模式输入第一页URL，断点续传模式输入0，请输入: \033[39m");// 草黄色process.stdin.setEncoding('utf8');process.stdin.on('data',function(text){var input=text.trim();process.stdin.end();// 退出输入状态    if(text.trim()=='0'){process.stdout.write("\033[36m 进入断点续传模式. \033[39m");    // 蓝绿色// Read Filefs.readFile('./save.dat','utf8',function(err,data){if(err){console.log('读取文件save.dat失败,因为'+err);}else{//console.log(data);var obj=JSON.parse(data);pictures=obj.pictures;console.log('提取图片'+pictures.length+'张');folder=obj.folder;// 创建目录fs.mkdir('./'+folder,function(err){if(err){console.log("目录"+folder+"已经存在");}});crawl(obj.url);        }});// Resume crawl}else{process.stdout.write("\033[35m 进入新建模式. \033[039m");    //紫色
folder='pictures('+getNowFormatDate()+")";// 创建目录fs.mkdir('./'+folder,function(err){if(err){console.log("目录"+folder+"已经存在");}});crawl(input);            }});    
}//--------------------------------------
// 将爬行中信息存入数据文件
//--------------------------------------
function saveFile(url,pictures){var obj=new Object;obj.url=url;obj.pictures=pictures;obj.folder=folder;var text=JSON.stringify(obj);fs.writeFile('./save.dat',text,function(err){if(err){console.log('写入文件save.dat失败,因为'+err);}});
}// 调用getInput函数，程序开始
getInput();