nodejs 实现异步并发爬虫

本文介绍了作者如何使用 Node.js 实现异步并发爬虫,通过对比同步和异步的概念,阐述了异步在爬虫效率上的优势。作者参考了知乎上的资源来理解这些概念,并使用特定模块实现了异步并发功能。最后,作者分享了通过这次实践对Promise和async函数的深入理解。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >


前言

前两天实现了简单的爬草榴和今日头条的图片。但是他们都有一个缺点,就是只有当前任务完成以后才会进行下一个任务。所以就在网上搜了一下。
因为之前不是计算机专业的,所以刚开始的时候花了一部分时间来理解异步和并发的概念。知乎上面有一篇解释阻塞非阻塞与异步同步区别的问题回答还不错 怎样理解阻塞非阻塞与同步异步的区别?
自己理解异步和同步就是

  • 同步:需要等待返回结果才能继续做其他事。
  • 异步:不需等待返回结果就能继续进行其他的事。

用在爬虫里面就是同步是一次只爬取一组图片,一组爬完以后才能爬第二组。而异步是同时爬取多组图片,不用等待。因此异步效率比同步快很多。废话不多说,上代码。


修改完代码

具体操作步骤见 nodejs 爬取动态网页 以今日头条街拍图片为例。因为只修改了 js 里面的代码,所以这里具体步骤就不再赘述了。
异步并发的模块是用 async.mapLimit来实现的。具体的调用方法如下
async.mapLimit(coll, limit, iteratee, callback opt)
各个参数的意义如下

参数 类型 意义
coll Array / Iterable / object 要迭代的集合
limie number 一次异步操作的最大数量
iteratee AsyncFunction 对于 coll 中的每一个item,迭代执行该异步函数。用(item, callback)调用,callback可选
callback [ function ] 所有 iteratee函数完成后或发生错误时触发的回调函数。用(err, results)调用。results可以是iteratee 函数完成后触发callback时传递的项

把之前的代码规范了一下,把所有 var 都去掉了,常量全都换成了 const,变量用 let。

完整的 js 代码如下

/*
* @Author: user
* @Date: 2018-05-02 09:46:38
* @Last Modified by:   user
* @Last Modified time: 2018-05-02 09:46:45
*/
const https=require('https');
const fs=require('fs');
const request=require('request');
const async=
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值