CHANGELOG
[2020-03-18-update] 发布到 npm,引用更简单了。^ ^
[2020-05-11-update] hqweay/MarkAll :提供了 GUI
前言
仓库地址:hqweay/douban-getter
夸夸自己,执行力还挺强的,哈哈。
之前只做了备份「看过的电影」,因为代码写得丑,如果要写其它的诸如备份「想看的电影」、「读过的书籍」之类的,就只能拷贝一份源代码,然后修改……觉得有点杀掉,所以一直没继续做。
这几天在看文档,想打打 JavaScript 的基础,终于了解了一下闭包的概念,看到文档里的示例代码,突然想到阔以用这种方式重构一哈之前的代码。
说做就做,然后写着写着想到不如抽成一个插件好了,于是把 hqweay/MarkAll 里的豆瓣爬虫抽取为插件……
不过插件也是第一次写,我还不确定这个仓库能不能作为插件整合进其它项目……
接下来想尝试写个 Hexo 插件
简要说明
提供一个工厂方法,创建用户在豆瓣标记为电影、书籍、音乐、游戏对应的看过、在看、想看等条目的 Getter 方法。
提供一个 Save 方法,将 Getter 获取的数据保存至本地。
我的目标是备份豆瓣用户在豆瓣上的标记数据,而不是爬取豆瓣数据。所以获取信息的页面,我选取的是 豆瓣标记信息列表 的页面 而不是条目详情页面。
如该页面:下一餐有折耳根想看的电影
使用
效果
说明
引入包
1
2
3npm i douban-getter
## yarn add douban-getter
## yarn add https://github.com/hqweay/douban-backup.git使用样例
1
2
3
4
5
6
7
8
9
10
11
12
13
14let { createDoubanDataGetter, saveDoubanData, DoubanTypeEnum } = require('douban-getter');
// 存储路径
const STORE_PATH = "douban-data-backup";
// 豆瓣帐号
const userName = "hqweay";
let getDoubanWatchedMovies = createDoubanDataGetter(DoubanTypeEnum.watchedMovies);
// 获取用户在豆瓣标记为想看的电影条目
getDoubanWatchedMovies(userName, pageStart = 1, pageEnd = 2, sleepTimer = 1500).then(function (data) {
// 数据、路径、文件名
saveDoubanData(data, STORE_PATH + "/hqweay/movie/", "watchedMovies");
})
方法说明
createDoubanDataGetter
提供一个工厂方法,创建用户在豆瓣标记为电影、书籍、音乐、游戏对应的看过、在看、想看等条目的 Getter 方法。
可选参数
1 | // let getDoubanWatchedMovies = createDoubanDataGetter(DoubanTypeEnum.watchedMovies); |
参数对应
电影 | 书籍 | 音乐 | 游戏 |
---|---|---|---|
看过 | 读过 | 听过 | 玩过 |
想看 | 想读 | 想听 | 想玩 |
在看 | 在读 | 在听 | 在玩 |
Getter
createDoubanDataGetter
的返回值是一个豆瓣标记数据的 Getter 函数,里面是一个 Promise
,通过回调方法可以对 Getter 获取的数据进行相应处理。如:
1 | getDoubanWishMovies(userName, pageStart = 1, pageEnd = 2, sleepTimer = 1500).then(function (data) { |
可选参数
1 | getDoubanWatchedMovies(userName, pageStart = 1, pageEnd = 2, sleepTimer = 1500); |
参数 | 说明 |
---|---|
userName | 豆瓣帐号 |
pageStart | 数据获取开始页(注意:一页 15 条数据) |
pageEnd | 数据获取结束页 |
sleepTimer | 爬取数据的时间间隔(不建议修改,过快会被限制访问……)默认为 1500(ms) |
saveDoubanData
saveDoubanData()
是这个项目核心外的一个方法,用于将 Getter 获取的数据保存至本地。
1 | saveDoubanData(data, STORE_PATH = "douban-data-backup", fileName = "my-info"); |
参数说明
参数 | 说明 |
---|---|
data | 数据 |
STORE_PATH | 存储路径 |
fileName | 保存文件名 |
项目说明
把 MarkAll 里的豆瓣爬虫抽取为插件……
结构
把获取豆瓣数据抽象为三步:获取页面、解析页面、数据存储。
核心是 douban-data-getter-func-creater.js
,用户可以通过该文件提供的方法创建一个 获取某项信息的函数。
如:
1 | let getDoubanWatchedMovies = createDoubanDataGetter("watchedMovies"); |
douban-data-getter-func-creater.js
依赖 get-douban-data-url.js
、 resolve-douban-data.js
与 save-douban-data-to-local.js
。
get-douban-data-url.js
:通过参数获取豆瓣信息页面的 url。
resolve-douban-data.js
:解析对应豆瓣信息页面的标签获取数据。
save-douban-data-to.js
:备份数据的存储
注意:现在文件夹下的 resolve 文件是 resolve-douban-data-to-json.js
,表示获取信息后以 JSON 格式存储。
同理,save 文件是 save-douban-data-to-local.js
,表示存储至本地。
豆瓣信息页面的 URL
可参考目录下的 src/config/douban-data-urls.md
。
备份数据样例
参考 /douban-data-backup
下的文件。
开发
您可以创建自己的 save-douban-data-to-cloud.js
等类似文件编写上传到存储服务的逻辑。
也可以创建自己的 resolve-douban-data-to-csv.js
解析数据为 csv 格式保存……
也许我后面会写……
其它
另外,话说保存数据格式为 JSON,其它格式可以使用在线转换工具嘛……
比如 JSON 转 CSV :https://www.bejson.com/json/json2excel/
一些问题
豆瓣读过的书籍页面直接访问 403,但是先访问用户主页,再访问读过的书籍页面就没问题。对比两个页面的请求头发现相差一个 Cookie 字段,但是——我又没登录。看样子只要有该字段就没问题,服务器没做其它啥验证。