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=