这篇文章主要介绍“Node.js怎么实现爬取网站图片”，在日常操作中，相信很多人在Node.js怎么实现爬取网站图片问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”Node.js怎么实现爬取网站图片”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！
开发一个小爬虫，涉及的知识点如下所示：
https模块，主要是用户获取网络资源，如：网页源码，图片资源等。
cheerio模块，主要用于解析html源码，并可访问，查找html节点内容。
fs模块，主要用于文件的读写操作，如保存图片，日志等。
闭包，主要是对于异步操作，对象的隔离保护。
cheerio是为服务器特别定制的，快速、灵活、实施的jQuery核心实现。主要用于在服务端解析html。特点如下所示：
易用，语法类似jQuery语法，从jQuery库中去除了所有 DOM不一致性和浏览器尴尬的部分。
解析快，比JSDOM快八倍。
灵活，Cheerio 封装了兼容的htmlparser。Cheerio 几乎能够解析任何的 HTML 和 XML document。
首先在命令行，切换到程序目录，然后输入安装命令进行安装，如下所示：
cnpm install cheerio
安装过程，如下所示：
在编写爬虫之前，首先需要分析目标内容，本次需要爬取的是某网站，星空类型的图片内容，经过分析，发现所有的图片都是在ul下每一个li中的a标签内的img中，本次只需要解析出img的src属性，即可获取图片的下载路径。如下所示：
经过以上分析，通过Node.js编写代码，分为两步，获取所有图片的url路径，即解析所有目标img元素的src属性。然后再下载具体图片进行保存即可。
引用所需要的功能模块，如下所示：
var https = require('https');
var cheerio = require('cheerio');
var fs = require('fs');获取并解析html页面内容，如下所示：
//爬取的网址
var addrs=['https://www.*****.com/topic/show_27202_1.html','https://www.******.com/topic/show_27202_2.html','https://www.*****.com/topic/show_27202_3.html'];
var logger = fs.createWriteStream('./download/log.txt',{flags:'a+',autoClose:'true'});
for(i in addrs){
(function(num){
var addr = addrs[num];
//创建目录
var p1 = new Promise(function(resolve,reject){
fs.access('./download',function(err){
if(err){
fs.mkdir('./download',function(e){
if(e){
console.log('创建失败');
}
});
}else{
resolve("success");
}
});
});
p1.then(function(datas){
var html='';
var p2 = new Promise(function(resolve,reject){
https.get(addr,function(res){
res.on('data',function(data){
html+=data.toString();
})
res.on('end',function(){
resolve("success");
});
});
});
p2.then(function(data){
//下载完成后，进行解析
const $ =cheerio.load(html);
var lis = $('#img-list-outer').find('li');
for(var j=0;j<lis.length-1;j++){
var li = lis[j];
var src =$(li).find('a').find('img').attr('src');
//console.log(src);
//console.log('-------------------------');
var imgurl='https:'+src;
download(imgurl);
var msg='['+j+']下载成功：'+imgurl;
logger.write(msg+'\n');
console.log(msg);
}
});
});
})(i);
}注意：因为所有爬取的目标共分为3页，所以用到了循环，并且在循环中用到了闭包。
下载并保存单张图片代码，如下所示：
//下载图片
function download(imgurl){
var p1 = new Promise(function(resolve,reject){
https.get(imgurl,function(res){
var imgName=imgurl.substr(imgurl.lastIndexOf('/')+1);
var stream = fs.createWriteStream('./download/'+imgName);
res.pipe(stream);
setTimeout(function(){
resolve('success');
},300);
});
});
p1.then(function(data){
return;
});
}开发完成后，运行代码，如下所示
爬取的图片，保存在文件夹中，如下所示：
注意：添加日志，是为了方便记录程序执行过程，对比图片和日志，便于发现问题。
到此，关于“Node.js怎么实现爬取网站图片”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注亿速云网站，小编会继续努力为大家带来更多实用的文章！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
