@tomk79/lotus-crawler v0.1.0

Lotus Crawler

Lotus Crawler は、ウェブサイトを巡回し、コンテンツをデータベースに記録するクローリングツールです。

Install

npm install --save @tomk79/lotus-crawler;

Usage

const LotusCrawler = require('@tomk79/lotus-crawler');
const lotus = new LotusCrawler({

    // --------------------------------------
    // ユーザーとプロジェクトのID (Optional)
    // 複数のユーザーやプロジェクトが想定される場合に指定する。
    user_id: 'any_string',
    project_id: 'any_string',

    // --------------------------------------
    // 巡回時に送信される User-Agent 名 (Optional)
	user_agent: 'Mozilla/5.0 Test Agent',

    // --------------------------------------
    // 巡回対象に含める範囲 (Required)
	ranges: [
		'http://127.0.0.1:3000/',
		'http://127.0.0.1:3001/',
		'http://127.0.0.1:3002/'
	],

    // --------------------------------------
    // 巡回対象から除外する範囲 (Optional)
	ignores: [
		'http://127.0.0.1:3000/',
		'http://127.0.0.1:3001/',
		'http://127.0.0.1:3002/'
	],

    // --------------------------------------
    // データを保存するディレクトリ (Optional)
    path_data_dir: "/path/to/your/directory/",

    // --------------------------------------
    // データベース接続情報 (Optional)
    db: {
		driver: "sqlite",
		database: "/path/to/your/directory/database.sqlite",
        prefix: "tableNamePrefix",
    }

});

最初のURLを登録する。

lotus.add_target_url(
    'http://127.0.0.1:3000/',
    'GET',
    {
        headers: {}
        body: ''
    }
    )
    .them( () => {
        console.log('done.');
    } );

巡回を開始する。

lotus.crawl()
    .then( () => {
        console.log('done.');
    } );

収集したファイルを出力する。

lotus.export(
    '/path/to/export_dir/'
    )
    .then( () => {
        console.log('done.');
    } );

巡回収集したURLリストの件数を取得する。

lotus.count()
    .then( (count) => {
        console.log('Total:', count);
    } );

巡回収集したURLリストの各件を処理する。

lotus.each( (urlInfo, next) => {
    console.log(urlInfo); // 1件分のデータが格納されている
    next();
} )
    .then( () => {
        console.log('done.');
    } );

更新履歴 - Change log

Lotus Crawler v0.1.0 (2021年5月10日)

• オプション db.prefix を追加。
• データベーステーブルの id カラム型を UUID に変更。
• lotus.count() を追加。
• lotus.each() を追加。
• その他、不具合の修正や細かい改善。

Lotus Crawler v0.0.1 (2021年5月8日)

• Initial Release.

ライセンス - License

MIT License

作者 - Author

• Tomoya Koyanagi tomk79@gmail.com
• website: https://www.pxt.jp/
• Twitter: @tomk79 https://twitter.com/tomk79/