导言：对于大多数前端开发者而言，谈到命令行工具，大家肯定都用过。但是谈到开发命令行工具，估计就没几人有了解了。本文旨在用最短的时间内，帮您开发一个实用（斜眼笑）的图片爬虫命令行应用。想追求更好的阅读体验，请移步拓跋的前端客栈。同时把项目地址放在显眼的位置Puppeteer 简介什么是 Puppeteer?Puppeteer 是 Google Chrome 团队官方的无界面（Headless）Chrome 工具。Chrome 作为浏览器市场的领头羊，Chrome Headless 将成为 web 应用 自动化测试 的行业标杆。所以我们很有必要来了解一下它。Puppeteer 可以做什么？Puppeteer 可以做的事情有很多，包括但不限于：利用网页生成 PDF、图片可以从网站抓取内容自动化表单提交、UI 测试、键盘输入等帮你创建一个最新的自动化测试环境（chrome），可以直接在此运行测试用例捕获站点的时间线，以便追踪你的网站，帮助分析网站性能问题Puppeteer 有什么优势？相对于真实浏览器而言，少了加载 css，js 以及渲染页面的工作。无头浏览器要比真实浏览器快的多。可以在无界面的服务器或 CI 上运行，减少了外界的干扰，更稳定。在一台机器上可以模拟运行多个无头浏览器，方便进行并发运行。如何安装 Puppeteer？安装 Puppeteer 很简单，如下：npm i –save puppeteeroryarn add puppeteer需要注意的是，由于用到了 ES7 的 async/await 语法 ，node 版本最好是 v7.6.0 或以上。如何使用 Puppeteer？由于本文不是专门讲 Puppeteer 的文章，故这部分暂且略过，大家可以去看下面的链接学习。Puppeteer GithubPuppeteer Api DocPuppeteer 中文 Api Doc说了这么多，Puppeteer 与我们要开发的命令行应用有什么关系呢？我们准备制作一个抓图命令行工具，不使用传统的请求式爬虫，我们使用 Puppeteer 这种无头浏览器，从 DOM 里抓图，这样能有效规避部分爬虫防御手段。Puppeteer 简单应用case 1. 屏幕截图直接上代码，很好理解：const puppeteer = require(“puppeteer”);const getScreenShot = async () => { const browser = await puppeteer.launch({ headless: false }); const page = await browser.newPage(); await page.goto(“https://baidu.com”); await page.screenshot({ path: “baidu.png” }); await browser.close();};getScreenShot();这段代码的意思就是以 headless（无头）模式打开浏览器，然后打开一个新标签页，跳转到百度网址， 并且进行屏幕截图，保存为 baidu.png 为名的图片，最后关闭浏览器。执行结果如下。case 2. 抓取网站信息接下来学习如何用 Puppeteer 抓取网站信息了。这次我们来抓取 jd 书单信息。// book info spiderconst puppeteer = require(“puppeteer”);const fs = require(“fs”);const spider = async () => { const browser = await puppeteer.launch(); const page = await browser.newPage(); await page.goto(“https://search.jd.com/Search?keyword=javascript"); const result = await page.evaluate(() => { let elements = document.querySelectorAll(".gl-item”); const data = […elements].map(i => { return { name: i.querySelector(".p-name em").innerText, description: i.querySelector(".p-name i").innerText, price: i.querySelector(".p-price").innerText, shop: i.querySelector(".p-shopnum").innerText, url: i.querySelector(".p-img a").href }; }); return data; // 返回数据 }); browser.close(); return result;};spider().then(value => { fs.writeFile(${__dirname}/javascript.json, JSON.stringify(value), err => { if (err) { throw err; } console.log(“file saved!”); }); console.log(value); // Success!});我们做的就是跳转到关键字是 javascript 的页面，然后对页面的 dom 结构进行分析，找到图书列表所对应的书名、描述、价格、出版社、网页链接信息，然后把数据写入到 javascript.json 文件里去，方便我们保存浏览。逻辑很简单。这已经是一个爬虫的雏形了，最后得到如下图所示的 json 文件，非常给力。case 3. 图片爬虫图片爬虫，这就是我们要做的命令行应用的主题了。一个最基本的思路是这样的：打开浏览器 —> 跳转到百度图片 —> 获取 input 框的焦点 —> 输入 keywords —> 点击搜索按钮 —> 跳转至结果列表页 —> 下拉到底部 —> 操作 dom，获取所有图片的 src 备用 —> 根据 src 将对应图片保存到本地 —> 关闭浏览器代码实现之：首先是浏览器操作部分const browser = await puppeteer.launch(); // 打开浏览器const page = await browser.newPage(); // 打开新tab页await page.goto(“https://image.baidu.com”); // 跳转到百度图片console.log(“go to https://image.baidu.com”); // 获取input框的焦点await page.focus("#kw"); // 把焦点定位到搜索input框await page.keyboard.sendCharacter(“猫咪”); // 输入关键字await page.click(".s_search"); // 点击搜索按钮console.log(“go to search list”); // 提示跳转到搜索列表页然后是图片处理部分page.on(“load”, async () => { await autoScroll(page); // 向下滚动加载图片 console.log(“page loading done, start fetch…”); const srcs = await page.evaluate(() => { const images = document.querySelectorAll(“img.main_img”); return Array.prototype.map.call(images, img => img.src); }); // 获取所有img的src console.log(get ${srcs.length} images, start download); for (let i = 0; i < srcs.length; i++) { await convert2Img(srcs[i], target); console.log(finished ${i + 1}/${srcs.length} images); } // 保存图片 console.log(job finished!); await browser.close();});因为百度图片是往下滚动就可以继续懒加载。因此，我们想要加载更多图片，可以先往下滚动一会儿。然后通过分析 dom 结构来获取列表里所有图片的 src，最后进行下载。执行以下，就能得到一系列猫咪的图片：图片下载的地方只写了主函数，更详细的代码可以去参见github.至此，我们用 Node 和 Puppeteer 开发出了一个最基本的图片爬虫工具。如何优化？这个图片爬虫工具目前还有点 low 啊，我们的目标是要开发一个交互式的命令行应用，肯定不能止于此。有哪些可以进一步优化的点呢？经过简单的思考，我列了一下：下载图片的内容可以自定义可以支持用户选择图片下载张数支持命令行传参支持命令行交互交互界面美观支持双击直接运行支持全局命令行调用使用 commander.js 支持命令行传参Commander 是一款重量轻，表现力和强大的命令行框架。提供了用户命令行输入和参数解析强大功能。const program = require(“commander”);program .version(“0.0.1”) .description(“a test cli program”) .option("-n, –name <name>", “your name”, “zhl”) .option("-a, –age <age>", “your age”, “22”) .option("-e, –enjoy [enjoy]") .action(option => { console.log(’name: ‘, option.name); console.log(‘age: ‘, option.age); console.log(’enjoy: ‘, option.enjoy); });program.parse(process.argv);Commander十分容易上手，上面这一段代码仅用了寥寥数行，就定义了一个命令行的输入与输出。其中：version 定义版本号description 定义描述信息option 定义输入选项，传3个参数，如option("-n, –name <name>", “your name”, “GK”)，第一项是传参的值，-n是简写形式，–name是全称形式， <name>表示输入的参数，<>是必填项，如果是[]，则是选填项。第二项“your name"是求助help时的提示信息，告诉用户应该输入的内容，最后一项"GK"是默认值。action 定义执行的操作，是一个回调函数，入参是前文输入的option选项，如果没有输入option，则使用定义的默认值。要查询更详细的api，请参考Commander Api文档。执行一下上述脚本，可以得到：这样命令行就可以做到简单的交互效果了。但是有没有觉得不够好看呢，别急，继续往下看。使用inquirer制作可交互命令行应用inquirer可以为Node制作可嵌入式的美观的命令行界面。可以提供问答式的命令输入：可以提供多种形式的选择界面：可以对输入信息进行校验：最后可以对输入信息进行处理：上面的例子是inquirer的官方例子，可以参考pizza.jsinquirer的文档可以查看inquirer documents有了inquirer，我们就可以制作更为精美的交互式命令行工具了。使用 chalk.js来让交互界面更美观chalk的语法非常简单：const chalk = require(‘chalk’);const log = console.log;// Combine styled and normal stringslog(chalk.blue(‘Hello’) + ’ World’ + chalk.red(’!’));// Compose multiple styles using the chainable APIlog(chalk.blue.bgRed.bold(‘Hello world!’));// Pass in multiple argumentslog(chalk.blue(‘Hello’, ‘World!’, ‘Foo’, ‘bar’, ‘biz’, ‘baz’));// Nest styleslog(chalk.red(‘Hello’, chalk.underline.bgBlue(‘world’) + ‘!’));// Nest styles of the same type even (color, underline, background)log(chalk.green( ‘I am a green line ’ + chalk.blue.underline.bold(‘with a blue substring’) + ’ that becomes green again!’));可以输出如下信息，一看便懂：再让我们做点有意思的事情…想必有人看到过下面知乎的控制台效果，既然要做点有意思的事情，今天我们不妨也把这种效果加到命令行程序里面，提升一下逼格。首先我们准备一副ASCII码用来打印，各位可以自行搜索text转ASCII，网上的转化方案不要太多。我们准备制作的命令行image spider就制作一个IMG SPD的ASCII码字符串吧经过挑选，效果如图:这种复杂的字符串怎么打印出来呢？直接保存为string一定是不行的，格式会乱的一塌糊涂。想要能完整的打印出格式来，有一个取巧的方法，以注释的形式打印出来。什么能保存注释呢?~~ function。所以事情就简单到了打印一个function。但是直接打印函数还是不行的，这时候就用到了可以怼天怼地的toString()方法，我们只需要把注释中间的部分用正则匹配出来就行了，easy最后看一看效果，铛铛铛铛支持双击运行这里使用一种叫做Shebang的技术。Shebang（也称为 Hashbang ）是一个由#和！构成的字符序列 #! ，其出现在文本文件的第一行的前两个字符。 在文件中存在 Shebang 的情况下，类 Unix 操作系统的程序加载器会分析 Shebang 后的内容，将这些内容作为解释器指令，并调用该指令，并将载有 Shebang 的文件路径作为该解释器的参数。node下我们使用#! /usr/bin/env node即可这时候我们便可以取消文件的扩展名.js了。加入环境变量，支持全局调用package.json里面配置"bin": { “img-spd”: “app”},执行npm link，它将会把img-spd这个字段复制到npm的全局模块安装文件夹node_modules内，并创建符号链接（symbolic link，软链接），也就是将 app 的路径加入环境变量 PATH。这时，在任意目录下，直接命令行输入img-spd即可运行此命令行尾声至此，要改进的地方已经全部修改完毕，快来看看我们的成品吧看着一整个文件夹的gakki，感觉满满的幸福要溢出来了最后用动图来展示一下：附录项目地址项目地址Installnpm install -g img-spdUsageimg-spdorUsage: img-spd [options]img-spd is a spider get images from image.baidu.comOptions: -v –version output the version number -k, –key [key] input the image keywords to download -i, –interval [interval] input the operation interval(ms,default 200) -n, –number [number] input the operation interval(ms,default 200) -m, –headless [headless] choose whether the program is running in headless mode -h, –help output usage information
...