需要用到的第三方模块有：
superagent
superagent-charset （手动指定编码，解决GBK中文乱码）
cheerio
express
async （并发控制）
完整的代码，可以在我的github中可以下载。主要的逻辑逻辑在 netbian.js 中。
以彼岸桌面（http://www.netbian.com/）栏目下的风景壁纸（http://www.netbian.com/fengjing/index.htm）为例进行讲解。
1. 分析URL
不难发现：
首页： 栏目/index.htm
分页： 栏目/index_具体页码.htm
知道这个规律，就可以批量下载壁纸了。
2. 分析壁纸缩略图，找到对应壁纸的大图
使用chrome的开发者工具，可以发现，缩略图列表在 class="list"的div里，a标签的href属性的值就是单张壁纸所在的页面。
部分代码：
request
.get(url)
.end(function(err, sres){
var $ = cheerio.load(sres.text);
var pic_url = []; // 中等图片链接数组
$('.list ul', 0).find('li').each(function(index, ele){
var ele = $(ele);
var href = ele.find('a').eq(0).attr('href'); // 中等图片链接
if(href != undefined){
pic_url.push(url_model.resolve(domain, href));
}
});
});
3. 以“http://www.netbian.com/desk/17662.htm”继续分析
打开这个页面，发现此页面显示的壁纸，依旧不是最高的分辨率。
点击“下载壁纸”按钮里的链接，打开新的页面。
4. 以“http://www.netbian.com/desk/17662-1920x1080.htm”继续分析
打开这个页面，我们最终要下载的壁纸，放在一个table里面。如下图，http://img.netbian.com/file/2017/0203/bb109369a1f2eb2e30e04a435f2be466.jpg
才是我们最终要下载的图片的URL（幕后BOSS终于现身了(＠￣ー￣＠)）。
下载图片的代码：
request
.get(wallpaper_down_url)
.end(function(err, img_res){
if(img_res.status == 200){
// 保存图片内容
fs.writeFile(dir + '/' + wallpaper_down_title + path.extname(path.basename(wallpaper_down_url)), img_res.body, 'binary', function(err){
if(err) console.log(err);
});
}
});
打开浏览器，访问 http://localhost:1314/fengjing
选择栏目和页面，点击“开始”按钮：
并发请求服务器，下载图片。
完成~
图片的存放目录按照 栏目+页码 的形式保存。
附上完整的图片下载的代码：
/**
* 下载图片
* @param {[type]} url [图片URL]
* @param {[type]} dir [存储目录]
* @param {[type]} res [description]
* @return {[type]} [description]
*/
var down_pic = function(url, dir, res){
var domain = 'http://www.netbian.com'; // 域名
request
.get(url)
.end(function(err, sres){
var $ = cheerio.load(sres.text);
var pic_url = []; // 中等图片链接数组
$('.list ul', 0).find('li').each(function(index, ele){
var ele = $(ele);
var href = ele.find('a').eq(0).attr('href'); // 中等图片链接
if(href != undefined){
pic_url.push(url_model.resolve(domain, href));
}
});
var count = 0; // 并发计数器
var wallpaper = []; // 壁纸数组
var fetchPic = function(_pic_url, callback){
count++; // 并发加1
var delay = parseInt((Math.random() * 10000000) % 2000);
console.log('现在的并发数是:' + count + ', 正在抓取的图片的URL是:' + _pic_url + ' 时间是:' + delay + '毫秒');
setTimeout(function(){
// 获取大图链接
request
.get(_pic_url)
.end(function(err, ares){
var $$ = cheerio.load(ares.text);
var pic_down = url_model.resolve(domain, $$('.pic-down').find('a').attr('href')); // 大图链接
count--; // 并发减1
// 请求大图链接
request
.get(pic_down)
.charset('gbk') // 设置编码, 网页以GBK的方式获取
.end(function(err, pic_res){
var $$$ = cheerio.load(pic_res.text);
var wallpaper_down_url = $$$('#endimg').find('img').attr('src'); // URL
var wallpaper_down_title = $$$('#endimg').find('img').attr('alt'); // title
// 下载大图
request
.get(wallpaper_down_url)
.end(function(err, img_res){
if(img_res.status == 200){
// 保存图片内容
fs.writeFile(dir + '/' + wallpaper_down_title + path.extname(path.basename(wallpaper_down_url)), img_res.body, 'binary', function(err){
if(err) console.log(err);
});
}
});
wallpaper.push(wallpaper_down_title + '下载完毕<br />');
});
callback(null, wallpaper); // 返回数据
});
}, delay);
};
// 并发为2,下载壁纸
async.mapLimit(pic_url, 2, function(_pic_url, callback){
fetchPic(_pic_url, callback);
}, function (err, result){
console.log('success');
res.send(result[0]); // 取下标为0的元素
});
});
};
特别需要注意的两点：
1. “彼岸桌面”网页的编码是“GBK”的。而nodejs本身只支持“UTF-8”编码。这里我们引入“superagent-charset”模块，用于处理“GBK”的编码。
附上github里的一个例子
https://github.com/magicdawn/superagent-charset
2. nodejs是异步的，同一时间发送大量的请求，有可能被服务器认为是恶意请求而拒绝。 因此这里引入“async”模块，用于并发的处理，使用的方法是：mapLimit。
mapLimit(arr, limit, iterator, callback)
这个方法有4个参数：
第1个参数是数组。
第2个参数是并发请求的数量。
第3个参数是迭代器，通常是一个函数。
第4个参数是并发执行后的回调。
这个方法的作用是将arr中的每个元素同时并发limit次拿给iterator去执行，执行结果传给最后的callback。
后话
至此，便完成了图片的下载。
完整的代码，已经放在github上
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，同时也希望多多支持天达云！