JavaScript 实用的开源百度云分享爬虫项目 yunshare - 安装篇

callmelanmao · 2016年11月24日 · 6589 次阅读

今天开源了一个百度云网盘爬虫项目,地址是https://github.com/callmelanmao/yunshare

百度云分享爬虫项目

github 上有好几个这样的开源项目,但是都只提供了爬虫部分,这个项目在爬虫的基础上还增加了保存数据,建立 elasticsearch 索引的模块,可以用在实际生产环境中,不过 web 模块还是需要自己开发

安装

安装 node.js 和 pm2,node 用来运行爬虫程序和索引程序,pm2 用来管理 node 任务

安装 mysql 和 mongodb,mysql 用来保存爬虫数据,mongodb 用来保存最终的百度云分享数据,这些数据是 json 格式的,用 mongodb 保存更方便。

git clone https://github.com/callmelanmao/yunshare
cnpm i

推荐使用 cnpm 命令安装 npm 依赖,最简单的安装方式

$ npm install -g cnpm --registry=https://registry.npm.taobao.org

更多安装 cnpm 的命令可以去npm.taobao.org上面找。

初始化

爬虫数据(主要是 url 列表)都是保存在 mysql 数据库的,yunshare 使用 sequelizejs 做 orm 映射,源文件在src/models/index.js,默认的 mysql 用户名和密码都是 root,数据看是 yun,你需要手动创建 yun 数据库

create database yun default charset utf8

密码根据自己需要进行修改,完成 mysql 配置之后就可以运行下面的命令

gulp babel
node dist/script/init.js

注意必须先运行gulp babel把 es6 代码编译成 es5,然后运行初始化脚本导入初始数据,数据文件在data/hot.json,里面,是从页面 http://yun.baidu.com/pcloud/friend/gethotuserlist?type=1&from=feed&start=0&limit=24&bdstoken=ac95ef31d3979f6ee707ef75cee9f5c5&clienttype=0&web=1 保存下来的。

启动项目

yunshare 使用 pm2 进行 nodejs 进程管理,运行pm2 start process.json启动所有的后台任务,检查任务是否正常运行可以用命令pm2 list,正常运行的应该有 4 个任务。

启动 elasticsearch 索引

elasticsearch 索引程序也已经写好了,mapping 文件在data/mapping.json,请确保你已经安装 elasticsearch 5.0 的版本之后才运行索引程序,命令pm2 start dist/elastic.js

默认的 elasticsearch 地址是http://localhost:9200src/ElasticWorker.js`里面修改,修改任何js源码之后记得运行`gulp,如果你需要修改这个地址,可以在` babel`,在重启 pm2 任务,不然修改是不会生效的。

在完成 elasticsearch 配置之后,你也可以在 process.json 里面添加一项 elastic 任务,这样就不需要单独启动索引程序了。

DEMO

哔哩搜索

下一篇接着介绍整个项目的整体设计思路和开发过程中遇到的问题。

暂无回复。
需要 登录 后方可回复, 如果你还没有账号请 注册新账号