前言:根据慕课网 Koa2 实现电影微信公众号前后端开发 学习后的改造
由于上下班期间会看会小说,但是无奈广告太多,还要收费,于是结合课程,进行开发,并上传到自己的微信小程序。
大致的思路:
1.连接数据库
2.跑定时任务,进行数据库的更新
3.开启接口服务
4.微信小程序接口调用
1.连接数据库
连接本地的mongodb数据库
const mongoose = require('mongoose')
var db = 'mongodb://localhost/story-bookShelf'
exports.connect = () => {
let maxConnectTimes = 0
return new Promise((resolve, reject) => {
if (process.env.NODE_ENV !== 'production') {
mongoose.set('debug', false)
}
mongoose.connect(db)
mongoose.connection.on('disconnected', () => {
maxConnectTimes++
if (maxConnectTimes < 5) {
mongoose.connect(db)
} else {
throw new Error('数据库挂了吧,快去修吧')
}
})
mongoose.connection.on('error', err => {
console.log(err)
maxConnectTimes++
if (maxConnectTimes < 5) {
mongoose.connect(db)
} else {
throw new Error('数据库挂了吧,快去修吧')
}
})
mongoose.connection.once('open', () => {
resolve()
console.log('MongoDB Connected successfully!')
})
})
}
然后初始化定义好的Schema
const mongoose = require('mongoose')
const Schema = mongoose.Schema
const bookSchema = new Schema({
name: {
type: String
},
bookId: {
unique: true,
type: Number
}
})
......
mongoose.model('Book', bookSchema)
2.跑定时任务,进行数据库的更新
这一步骤主要是在定时进行数据库小说章节的更新,用的是 node-schedule进行定时跑任务。
- 小说章节数是否增加,没增加不用进行爬取。同时在爬取的时候需要提前前5章爬取,避免一些作者为了占坑,提前写的预告。
- 每一本小说就开一个子进程child_process去跑,将数据存储到mongo, 同时存储子进程对后续有用。
- 定时跑任务时候会遇到上一条任务还在跑,所以在每一次跑之前都清空一遍储存的子进程,将子进程杀掉。
章节任务
// chapter.js
const cp = require('child_process')
const { resolve } = require('path')
const mongoose = require('mongoose')
const { childProcessStore } = require('../lib/child_process_store') // 全局存储子进程
/**
*
* @param {书本ID} bookId
* @param {从哪里开始查找} startNum
*/
exports.taskChapter = async(bookId, startNum = 0) => {
const Chapter = mongoose.model('Chapter')
const script = resolve(__dirname, '../crawler/chapter.js') // 真正执行爬虫任务模块
const child = cp.fork(script, []) // 开启IPC通道,传递数据
let invoked = false
// 这里等子进程将数据传回来,然后存储到mongo中(具体爬取看下一段代码)
child.on('message', async data => {
// 先找一下是否有数据了
let chapterData = await Chapter.findOne({
chapterId: data.chapterId
})
// 需要将拿到的章节与存储的章节做对比 防止作者占坑
if (!chapterData) {
chapterData = new Chapter(data)
await chapterData.save()
return
}
// 进行字数对比 相差50字符
if ((data.content.length - 50 >= 0) && (data.content.length - 50 > chapterData.content.length)) {
Chapter.updateOne (
{ chapterId: +data.chapterId },
{ content : data.content }
);
}
})
child.send({ // 发送给子进程进行爬取
bookId, // 哪本小说
startNum // 从哪个章节开始爬
})
// 存储所有章节的爬取 用于跑进程删除子进程
childProcessStore.set('chapter', child)
}
真正开启爬虫,用的是 puppeteer,谷歌内核的爬取,功能很强大。
分两步:
1.爬对应小说的章节目录,拿到章节数组
2.根据传进来的startNum 进行章节startNum 的往后爬取
// crawler/chapter.js
const puppeteer = require('puppeteer')
let url = `http://www.mytxt.cc/read/` // 目标网址
const sleep = time => new Promise(resolve => {
setTimeout(resolve, time)
})
process.on('message', async book => {
url = `${url}${book.bookId}/`
console.log('Start visit the target page --- chapter', url)
// 找到对应的小说,拿到具体的章节数组
const browser = await puppeteer.launch({
args: ['--no-sandbox'],
dumpio: false
}).catch(err => {
console.log('browser--error:', err)
browser.close
})
const page = await browser.newPage()
await page.goto(url, {
waitUntil: 'networkidle2'
})
await sleep(3000)
await page.waitForSelector('.story_list_m62topxs') // 找到具体字段的class
let result = await page.evaluate((book) => {
let list = document.querySelectorAll('.cp_dd_m62topxs li')
let reg = new RegExp(`${book.bookId}\/(\\S*).html`)
let chapter = Array.from(list).map((item, index) => {
return {
title: item.innerText,
chapterId: item.innerHTML.match(reg)[1]
}
})
return chapter
}, book)
// 截取从哪里开始爬章节
let tempResult = result.slice(book.startNum, result.length)
for (let i = 0; i < tempResult.length; i++) {
let chapterId = tempResult[i].chapterId
console.log('开始爬url:', `${url}${chapterId}.html`)
await page.goto(`${url}${chapterId}.html`, {
waitUntil: 'networkidle2'
})
await sleep(2000)
const content = await page.evaluate(() => {
return document.querySelectorAll('.detail_con_m62topxs p')[0].innerText
})
tempResult[i].content = content
tempResult[i].bookId = book.bookId
process.send(tempResult[i]) // 通过IPC将数据传回去,触发child.on('message')
}
browser.close()
process.exit(0)
})
3.开启接口
做的任务主要是,拿mongodb的数据,同时通过koa-router发布路由
先定义好路由装饰器,方便后续使用 具体看 decorator.js
底层拿到数据库的数据
service/book.js // 拿到数据库存储的值
const Chapter = mongoose.model('Chapter')
// 获取具体的章节内容
export const getDetailChapter = async (data) => {
const chapter = await Chapter.findOne({
chapterId: data.chapterId,
bookId: data.bookId
}, {
content: 1,
title: 1,
chapterId: 1
})
// console.log('getDetailChapter::', chapter)
return chapter
}
...
路由定义 后续的接口就是 ‘/api/book/chapter’
@controller('/api/book')
export class bookController {
@post('/chapter')
async getDetailChapter (ctx, next) {
const { chapterId, bookId } = ctx.request.body.data
const list = await getDetailChapter({
chapterId,
bookId
})
ctx.body = {
success: true,
data: list
}
}
}
4.微信小程序
使用wepy进行开发,功能也是很简单,具体开发可以参见小程序代码,这里不做详细讲述。
支持记录每一章的进度,与全局设置。后续可以自己发挥。
在目标网站找到小说的Id之后就能进行查找了。
接下来讲解部署到服务器细节。
最后,在这里特别感谢@汪江 江哥的帮助,我前后琢磨了两个月,而他就用了三天,谢谢你不厌其烦的帮助,与你共事很开心。
以上只是我的不成熟的技术,欢迎各位留言指教。
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。