爬取网页图片,生成特定大小的海报

大家好我是曲灵风,前段时间一直在网上找电影看,直到朋友推荐了一个挺不错的电影网站,用了一下,哎呦,还真不错,网站的排版,分类,壁纸是真的可以(有点跑偏,快成了介绍电影网站的博客了,那就拉回来)。那时一想如果把这些电影图片捞出来,组成一个形状是不是特有意思的?这个还真不清楚,既然不清楚,那就先试试。

最后试了一下,没成想还可以,做了一个可以定制特定海报的东东,在命令行中输入下面的命令(代码的执行需要Node环境的,假设你的Node环境已经装好),就会生成一张组合图像(如下图theLastOne.jpg)

node index.js 10 7 10
theLastOne.jpg

源码位置

接下来依据代码分析一下的实现逻辑。

各位看官,要想实现上面图像的组合,实现两个功能就行:

  1. 实现爬虫程序,把图片从网页中捞出来,保存到本地。
  2. 通过某种特定算法,把图片重新组合,最后生成一张特定图片。

这里主要的逻辑是在第二步,爬虫程序简单说一下。

const request = require('request');
const cheerio = require('cheerio');
const fs = require('fs');
const path = require('path');
const async = require('async');
const arrange = require('./arrange');
const log4js = require('log4js').getLogger("begin crawler");

let loveURL = "http://dianying.fm/search/?genre=%E7%88%B1%E6%83%85&p=";

// 根据图片url下载图片
let download = function (uri, filename, cb) {
    request.head(uri, function (err, res, body) {
        request(uri, {
            sendImmediately: false
        }).pipe(fs.createWriteStream(filename)).on('close', cb);
    });
};

// 从拉取的html中把src取出来
let getSrc = function (body) {
    let $ = cheerio.load(body);
    let list = [];
    $('ul[class="fm-result-list"]').find('li > div > a > img').each(function (index, element) {
        list.push($(element).attr('src'));
    })
    return list;
}

// 获取`爬虫爬取的图片在本地的保存位置`。
let getPosterPath = function (src) {
    let postersDir = path.join(__dirname, 'source');
    let fileName = src.split('/')[src.split('/').length - 1].split('-')[0];
    let posterPath = path.join(postersDir, fileName);
    return posterPath;
}

let begin = () => {
    let downLoads = 0;
    if (!process.argv[2] && !process.argv[3] && !process.argv[4]) {
        log4js.warn(`请从命令行中输入页数,宽度, 高度 forExample: node dingying.js 3 4 5 `);
        process.exit(0);
    }
    let pages = process.argv[2];
    let loop = new Array(parseInt(pages));      //设置要循环的次数;

    async.eachOfLimit(loop, 2, (page, index, cbPage) => {
        request(loveURL + (index + 1), function (error, response, body) {
            let list = getSrc(body);
            async.eachSeries(list, (src, cbSrc) => {
                log4js.info(src, "start ...");
                let posterPath = getPosterPath(src)
                download(src, posterPath, function (err) {
                    if (err) log4js.error(err);
                    downLoads++;
                    return cbSrc();
                });
            }, (err) => {
                return cbPage();
            });
        });
    }, (err) => {
        log4js.info("downLoads url total: ", downLoads);
        arrange.arrange(process.argv[3], process.argv[4], (err, info) => {
            if (err) console.error(err, info);
            setTimeout(function () {
                log4js.info("finish: success");
                process.exit();
            }, 2000);
        });
    });
}

begin();
 
  1. 开始几行是通过requrie()引进依赖库。
  2. 定义变量loveURL,这个url其实就是网页的URL,通过网页的URL获取图片地址。
  3. download()方法根据src下载图片,最后通过可写流写入相应文件中。其中pipe是管道,它的流向是从可读流到可写流,.on('close', cb)是绑定close函数,写入成功之后,调用回调函数。
  4. getSrc()是爬虫的主要逻辑,其中主要是cheerio模块的使用,这里有小例子可以帮助理解cheerio是如何在网页中捞元素的。
  5. getPosterPath是获取图片在本地的保存位置。
  6. begin()是程序的入口函数,在arrange.arrange函数调用之前都是爬虫程序,是通过node index.js 10 7 10这个命令行中的第一个10来确定把10个html(其中每个html网页是15张图片,总共150张图片)网页捞到本地来,然后异步方式下载图片,保存到本地目录。

接下来看一下arrange.arrange函数的实现逻辑,也就是第二个功能的实现。

const gm = require('gm');
const fs = require('fs');
const _ = require('lodash');
const async = require('async');
const rimraf = require('rimraf');
let source = fs.readdirSync('./source');

exports.arrange = (width, height, cb) => {
    //先清空`destination`目录
    rimraf('./destination/*', function () {
        let groups = _.chunk(source, width);  //width是宽度, groups.length是实际的高度

        let formatGroups = groups.slice(0, height);

        async.eachOfLimit(formatGroups, 2, (group, index, cbGroup) => {
            var gmstate = gm('./source/' + group[0]);
            for (let j = 1; j < group.length; j++) {
                gmstate.append('./source/' + group[j], true);
            }
            gmstate.write('./destination/' + (index + 10000) + ".jpg", function (err) {
                if (err) {
                    console.dir(arguments);
                    return cb(err);
                }
                console.log(this.outname + " created  ::  " + arguments[3])
                return cbGroup();
            });
        }, (err) => {
            setTimeout(function () {
                let integrations = fs.readdirSync('./destination');
                let gmstateDes = gm('./destination/' + integrations[0]);
                for (let i = 1; i < integrations.length; i++) {
                    gmstateDes.append('./destination/' + integrations[i]);
                }
                gmstateDes.write('./destination/' + "theLastOne.jpg", function (err) {
                    if (err) {
                        console.dir(arguments);
                        return cb(err);
                    }
                    console.log(this.outname + " created  ::  " + arguments[3]);
                    return cb(null, 'finish');
                });
            }, 2000);
        });
    });
}
  1. 引进依赖库。
  2. 函数exports.arrange(width, height, cb)的作用是通过指定宽度,高度生成特定大小的图片。
    • 清空destination目录,目的是保证每次组合图片的准确性。
    • 根据新图片宽度进行分组,获取groups变量。
    • 如果变量height大于groups长度,取height作为目标图片的高度,否则取groups长度作为目标图片的高度,这是formatGroups变量的作用。
    • 组合图片
      • gmstate.append()函数的第二个参数默认是false,标明是从上到下组合图片,true是从左到右组合图片。
      • 先把formatGroups中的图片从左到右进行组合,这是gmstate变量的作用,每组组合后,写入到相应文件中。
      • 因为这里有多次磁盘读写操作,即使是异步执行,磁盘更新也不会太及时,因此需要setTimeout()来使程序执行放慢速度。
      • 最后把生成的图片上下组合(gmstateDes变量的作用),就可得到想要的图片。

最后再来测试一下,执行node index.js 1 3 4,命令行的参数的意思是说需要拉取1个网页,其中新图片长度是3,高度是4,看一下newOne.jpg的大小,bingo搞定!!!

newOne.jpg

以上的图片都是爱情片的海报,快七夕了,应应景可好?

如果想要拉取其他类型的图片,改一下loveURL就好。

老规矩最后来一个老郭的定场诗。

大将生来胆气豪 腰横秋水雁翎刀 
风吹鼍鼓山河动 电闪旌旗日月高 
天上麒麟原有种 穴中蝼蚁岂能逃 
太平待诏归来日 朕与将军解战袍
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,921评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,635评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,393评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,836评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,833评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,685评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,043评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,694评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 42,671评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,670评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,779评论 1 332
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,424评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,027评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,984评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,214评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,108评论 2 351
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,517评论 2 343

推荐阅读更多精彩内容

  • Spring Cloud为开发人员提供了快速构建分布式系统中一些常见模式的工具(例如配置管理,服务发现,断路器,智...
    卡卡罗2017阅读 134,597评论 18 139
  • Node.js是目前非常火热的技术,但是它的诞生经历却很奇特。 众所周知,在Netscape设计出JavaScri...
    w_zhuan阅读 3,607评论 2 41
  • 大家都知道微信要想成为微信开发者,必须在微信公众号后台配置回调url,也就是开发者服务器url ,url代表开发者...
    liangxifeng833阅读 390评论 0 0
  • 富士达天生的飞洒的体验式打富士达人适当动态的手法
    小葵图文同步阅读 225评论 0 0
  • Ba la la la ~ 读者朋友,你们好啊,又到了冷锋时间,话不多说,发车! 1、数组的创建 var...
    王饱饱阅读 228评论 0 1