x-crawl

x-crawl 是一个灵活的 Node.js 多功能爬虫库。灵活的使用方式和众多的功能可以帮助您快速、安全、稳定地爬取页面、接口以及文件。

如果你也喜欢 x-crawl ，可以在 GitHub 给 x-crawl 存储库点个 star 支持一下，感谢大家的支持！

特征

异步同步 - 只需更改一下 mode 属性即可切换异步或同步爬取模式。
多种用途 - 支持爬动态页面、静态页面、接口数据、文件以及轮询操作。
控制页面 - 爬取动态页面支持自动化操作、键盘输入、事件操作等。
写法灵活 - 同种爬取 API 适配多种配置，每种配置方式都非常独特。
间隔爬取 - 无间隔、固定间隔以及随机间隔，产生或避免高并发爬取。
失败重试 - 避免因短暂的问题而造成爬取失败，自定义重试次数。
轮换代理 - 配合失败重试，自定义错误次数以及 HTTP 状态码自动轮换代理。
设备指纹 - 零配置或自定义配置，避免指纹识别从不同位置识别并跟踪我们。
优先队列 - 根据单个爬取目标的优先级可以优先于其他目标提前爬取。
爬取记录 - 对爬取进行记录，并在终端使用彩色字符串提醒。
TypeScript - 拥有类型，通过泛型实现完整的类型。

示例

以每天自动获取世界各地的经历和房间的一些照片为例：

// 1.导入模块 ES/CJS import xCrawl from 'x-crawl' // 2.创建一个爬虫实例 const myXCrawl = xCrawl({ maxRetry: 3, intervalTime: { max: 2000, min: 1000 } }) // 3.设置爬取任务 // 调用 startPolling API 开始轮询功能，每隔一天会调用回调函数 myXCrawl.startPolling({ d: 1 }, async (count, stopPolling) => { // 调用 crawlPage API 来爬取页面 const pageResults = await myXCrawl.crawlPage({ targets: [ 'https://www.airbnb.cn/s/*/experiences', 'https://www.airbnb.cn/s/plus_homes' ], viewport: { width: 1920, height: 1080 } }) // 通过遍历爬取页面结果获取图片 URL const imgUrls = [] for (const item of pageResults) { const { id } = item const { page } = item.data const elSelector = id === 1 ? '.i9cqrtb' : '.c4mnd7m' // 等待页面元素出现 await page.waitForSelector(elSelector) // 获取页面图片的 URL const urls = await page.$$eval(`${elSelector} picture img`, (imgEls) => imgEls.map((item) => item.src) ) imgUrls.push(...urls.slice(0, 6)) // 关闭页面 page.close() } // 调用 crawlFile API 爬取图片 await myXCrawl.crawlFile({ targets: imgUrls, storeDirs: './upload' }) })

运行效果: