Недавно я попадал в веб-сканеры, и я выяснил, что нужно искать текст, но есть ли способ, которым я могу заставить искателя своего веб-сайта искать что-то еще, например видео и изображения а затем загрузить их и организовать их.node.js web crawler images/video
вот мой веб-гусеничного до сих пор:
var request = require('request');
var cheerio = require('cheerio');
var URL = require('url-parse');
var fs = require('fs');
var START_URL = "https://www.google.com";
var SEARCH_WORD = "apples";
var MAX_PAGES_TO_VISIT = 200;
var pagesVisited = {};
var numPagesVisited = 0;
var pagesToVisit = [];
var url = new URL(START_URL);
var baseUrl = url.protocol + "//" + url.hostname;
pagesToVisit.push(START_URL);
crawl();
function crawl() {
if(numPagesVisited >= MAX_PAGES_TO_VISIT) {
console.log("Reached max limit of number of pages to visit.");
return;
}
var nextPage = pagesToVisit.pop();
if (nextPage in pagesVisited) {
// We've already visited this page, so repeat the crawl
crawl();
} else {
// New page we haven't visited
visitPage(nextPage, crawl);
}
}
function visitPage(url, callback) {
// Add page to our set
pagesVisited[url] = true;
numPagesVisited++;
// Make the request
console.log("Visiting page " + url);
request(url, function(error, response, body) {
// Check status code (200 is HTTP OK)
console.log("Status code: " + response.statusCode);
if(response.statusCode !== 200) {
callback();
return;
}
// Parse the document body
var $ = cheerio.load(body);
var isWordFound = searchForWord($, SEARCH_WORD);
if(isWordFound) {
console.log('Word ' + SEARCH_WORD + ' found at page ' + url);
} else {
collectInternalLinks($);
// In this short program, our callback is just calling crawl()
callback();
}
});
}
function searchForWord($, word) {
var bodyText = $('html > body').text().toLowerCase();
return(bodyText.indexOf(word.toLowerCase()) !== -1);
}
function collectInternalLinks($) {
var relativeLinks = $("a[href^='/']");
console.log("Found " + relativeLinks.length + " relative links on page");
relativeLinks.each(function() {
pagesToVisit.push(baseUrl + $(this).attr('href'));
});
}
Я получил большую часть этого кода из онлайн учебник, чтобы помочь мне начать работу, но мне нужно больше помогать код работает, я просто хотел бы знать, если и как бы можно было сканировать изображения и видео в Интернете.
Новее Код:
var request = require('request');
var cheerio = require('cheerio');
var URL = require('url-parse');
var fs = require('fs');
var START_URL = "http://moetube.net";
//var SEARCH_WORD = "anime";
var MAX_PAGES_TO_VISIT = 200;
var pagesVisited = {};
var numPagesVisited = 0;
var pagesToVisit = [];
var url = new URL(START_URL);
var baseUrl = url.protocol + "//" + url.hostname;
pagesToVisit.push(START_URL);
crawl();
function crawl() {
if(numPagesVisited >= MAX_PAGES_TO_VISIT) {
console.log("Reached max limit of number of pages to visit.");
return;
}
var nextPage = pagesToVisit.pop();
if (nextPage in pagesVisited) {
// We've already visited this page, so repeat the crawl
crawl();
} else {
// New page we haven't visited
visitPage(nextPage, crawl);
}
}
function visitPage(url, callback) {
// Add page to our set
pagesVisited[url] = true;
numPagesVisited++;
// Make the request
console.log("Visiting page " + url);
request(url, function(error, response, body) {
var $ = cheerio.load(body);
// Check status code (200 is HTTP OK)
console.log("Status code: " + response.statusCode);
collectImages($);
if(response.statusCode !== 200) {
callback();
return;
}
// Parse the document body
// var isWordFound = searchForWord($, SEARCH_WORD);
// if(isWordFound) {
// console.log('Word ' + SEARCH_WORD + ' found at page ' + url);
// } else {
collectInternalLinks($);
// In this short program, our callback is just calling crawl()
callback();
// }
});
}
function searchForWord($, word) {
var bodyText = $('html > body').text().toLowerCase();
return(bodyText.indexOf(word.toLowerCase()) !== -1);
}
function collectImages($) {
return $("img").map(function() {
return $(this).text();
console.log((this).text() + "JHJHHHHHHHHHHHHHHHHHHHH");
}).get();
}
function collectInternalLinks($) {
var relativeLinks = $("a[href^='/']");
console.log("Found " + relativeLinks.length + " relative links on page");
relativeLinks.each(function() {
pagesToVisit.push(baseUrl + $(this).attr('href'));
});
}
Что означает «веб-сканирование изображений и видео»? У вас есть содержимое веб-страницы в вашем искателе, уже обработанном cheerio. Вы можете использовать это, чтобы найти любые изображения или ссылки на видео на странице DOM. Что еще вы спрашиваете? – jfriend00
@ jfriend00 спасибо, я не знал, что это возможно, поэтому я спрашиваю – frenchtoaster10
Ну, у вас уже есть код, который находит все ссылки на странице. Вы можете использовать аналогичный код, чтобы найти все теги '' или '