豆瓣数据获取及备份插件——markall-douban-getter

发表于 更新于 分类于 ，

前言

仓库地址：markall-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 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

  1. 引入包

    1
    yarn add https://github.com/hqweay/markall-douban-backup.git

  2. 使用样例

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    let { createDoubanDataGetter, saveDoubanData, DoubanTypeEnum } = require('markall-douban-backup');

    // 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
2
3
4
5
6
7
8
9
10
11
12
13
14
15
// let getDoubanWatchedMovies = createDoubanDataGetter(DoubanTypeEnum.watchedMovies);
const DoubanTypeEnum = {
  "watchedMovies": "watchedMovies",
  "wishMovies": "wishMovies",
  "watchingMovies": "watchingMovies",
  "readBooks": "readBooks",
  "wishBooks": "wishBooks",
  "readingBooks": "readingBooks",
  "listenedMusics": "listenedMusics",
  "wishMusics": "wishMusics",
  "listeningMusics": "listeningMusics",
  "playedGames": "playedGames",
  "wishGames": "wishGames",
  "playingGames": "playingGames",
}

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
2
3
4
getDoubanWishMovies(userName, pageStart = 1, pageEnd = 2, sleepTimer = 1500).then(function (data) {
  // 数据、路径、文件名
  saveDoubanData(data, STORE_PATH + "/hqweay/movie/", "wishMovies");
})

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 markall-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
2
let getDoubanWatchedMovies = createDoubanDataGetter("watchedMovies");
let getDoubanWishMovies = createDoubanDataGetter("wishMovies");

markall-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。

Load Disqus Load Valine