bin-huang/nodespider

[DEPRECATED] Simple, flexible, delightful web crawler/spider package

DEPRECATED / 不再维护

其实这个框架用起来还不错，只是我暂时没有更多兴趣来维护它

---

NodeSpider 是基于 Nodejs 的新一代爬虫框架。

Feature

• 开箱即用，用最少的代码开发五脏俱全的爬虫程序
• 计划规则与任务相分离，再复杂的爬取需求也可以轻松实现
• 简单好用的数据管道，保存抓取的数据是一件轻松的事情
• 自动转码 utf8、jQ选择器……可爱的小功能该有的都有
• 性能优异，你对异步并发有绝对的控制自由
• 丰富、简约的拓展接口，玩在手里就像灵活的积木
• 支持现代 promise 和 async function

Install

npm:

npm install nodespider --save

yarn:

yarn add nodespider

Example

const { Spider, jqPlan, csvPipe } = require("nodespider")
const s = new Spider()

// 声明一个数据管道
s.pipe(csvPipe({
  name: "data",
  path: "./data.csv",
  items: ["url", "count"],
}))

// 声明一个爬取计划
s.plan(jqPlan({
  name: "extract",
  toUtf8: true, // 自动转码为 utf8
  retries: 3, // 失败自动重试
  handle: ($, current) => {
    const title = $("title").text() // 你想要的 jq 选择器
    console.log(title)
    s.save("data", {
      count: $("body").text().length,
      url: current.url,
    }) // 使用管道保存数据
    s.addU("extract", $("a").urls())  // 添加新任务
  },
}))

s.add("extract", "https://github.com/Bin-Huang/NodeSpider") // 添加新任务

Document

设置 Options

爬取计划 Plan

数据管道 Pipe

方法 API

事件 Events

与 0.9.x 版本的不同

当前版本几乎是 0.9 的重构，不管是 api 还设计理念，大部分均已改变。如果你的项目依赖 0.9.x 版本，这里保留了 0.9.3 版本文档

Contribute

• 任何疑问、建议、Bug，欢迎提交 Issuse
• 分享这个年轻的项目给其他开发者、社区、邮件组
• 欢迎 Pull Request，尤其是：
  • 翻译文档到其他语言
  • 文档的修改和补充
  • ……