用TypeScript和library-needle来创建视频爬虫程序

JAY.LIN 收录于未分类

2025-03-12 约 1033 字预计阅读 3 分钟

https://bing.ee123.net/img/rand?artid=146206939

用TypeScript和library needle来创建视频爬虫程序

使用 TypeScript 和 needle 库创建视频爬虫程序的过程可以按照以下步骤进行。 needle 是一个轻量级的 HTTP 请求库，适用于进行网络请求。

步骤：

安装依赖 ：
你需要安装 needle 来发送 HTTP 请求，以及一些额外的库来帮助处理 HTML 数据（比如 cheerio 用于解析 HTML）。
执行以下命令来安装依赖：
```
npm install needle cheerio
npm install --save-dev typescript @types/node
```

设置 TypeScript 配置 ：

在项目根目录下创建一个 tsconfig.json 文件：

{
  "compilerOptions": {
    "target": "ES6",
    "module": "commonjs",
    "strict": true,
    "esModuleInterop": true,
    "skipLibCheck": true,
    "forceConsistentCasingInFileNames": true
  }
}

创建 TypeScript 文件 ：
创建一个 TypeScript 文件 videoScraper.ts ，并编写代码。

代码示例：

import needle from 'needle';
import cheerio from 'cheerio';
import path from 'path';
import fs from 'fs';

// 下载视频函数
async function downloadVideo(videoUrl: string, filename: string): Promise<void> {
  console.log(`开始下载视频: ${videoUrl}`);
  const response = await needle('get', videoUrl, { response_type: 'buffer' });
  const videoData = response.body;
  
  fs.writeFileSync(path.join(__dirname, 'downloads', filename), videoData);
  console.log(`视频已下载并保存为: ${filename}`);
}

// 抓取网页并提取视频链接
async function crawlAndDownloadVideos(url: string): Promise<void> {
  try {
    // 请求网页内容
    const response = await needle('get', url);
    const html = response.body;
    
    // 使用 cheerio 解析 HTML 内容
    const $ = cheerio.load(html);
    
    // 提取所有的视频链接，这里假设视频链接存放在 <video> 标签的 src 属性中
    const videoUrls: string[] = [];
    
    $('video').each((i, element) => {
      const videoUrl = $(element).attr('src');
      if (videoUrl) {
        // 处理相对路径的视频 URL
        if (!videoUrl.startsWith('http')) {
          const absoluteUrl = new URL(videoUrl, url).href;
          videoUrls.push(absoluteUrl);
        } else {
          videoUrls.push(videoUrl);
        }
      }
    });

    // 创建下载文件夹（如果没有的话）
    const downloadDir = path.join(__dirname, 'downloads');
    if (!fs.existsSync(downloadDir)) {
      fs.mkdirSync(downloadDir);
    }

    // 下载所有视频
    for (let i = 0; i < videoUrls.length; i++) {
      const videoUrl = videoUrls[i];
      const filename = `video_${i + 1}.mp4`; // 设置视频文件名
      await downloadVideo(videoUrl, filename);
    }
  } catch (error) {
    console.error('抓取过程中发生错误:', error);
  }
}

// 主函数
const url = 'https://example.com';  // 替换为你想抓取的网页
crawlAndDownloadVideos(url);

代码说明：

downloadVideo 函数 ：
- 此函数负责下载视频。它通过 needle 发送 GET 请求，并将响应数据（视频流）保存到本地文件系统。
- 通过 needle('get', videoUrl, { response_type: 'buffer' }) 获取视频流数据，然后使用 fs.writeFileSync 将其保存到本地文件系统。
crawlAndDownloadVideos 函数 ：
- 此函数发送请求以获取网页的 HTML 内容，并使用 cheerio 解析它。
- 它从 <video> 标签中提取 src 属性，即视频文件的 URL。然后处理每个视频 URL，确保它是一个绝对路径，最后将其添加到 videoUrls 数组。
- 对于每个视频链接，调用 downloadVideo 函数进行下载。
cheerio ：
- cheerio 用于解析网页并提取 <video> 标签的 src 属性。我们假设视频 URL 位于 <video> 标签中的 src 属性，如果网站的结构不同，你可能需要根据实际情况调整选择器。
处理相对路径的 URL ：
- 如果视频链接是相对路径，我们通过 new URL(videoUrl, url) 转换为绝对路径。
视频保存 ：
- 视频被下载并保存到当前目录下的 downloads 文件夹。

执行程序

将上述代码保存为 videoScraper.ts 。
通过 TypeScript 编译器将其编译为 JavaScript：
```
tsc videoScraper.ts
```
运行编译后的 JavaScript 文件：
```
node videoScraper.js
```

总结

这个爬虫程序会抓取指定网页中的视频资源，并将视频下载到本地。在本例中，视频链接被假设为存在于 <video> 标签的 src 属性中。你可以根据实际的网页结构调整 cheerio 选择器。