「nodejs + docker + github pages 」 定制自己的 「今日頭條」

前言

在閑暇之余，我們經(jīng)常會逛各種社區(qū)，逛掘金看技術(shù)軟文，逛虎撲看今日賽事，逛頭條看熱門時事，逛 91……

每個社區(qū)都有各種各樣的資訊，但有時我們只想看某個社區(qū)的某些資訊。那我們能不能將這些社區(qū)里我們想要的信息做一下整合 定制成自己的“今日頭條”呢？

思路

每天定時抓取 資訊的標題和鏈接 整合后發(fā)布到自己的網(wǎng)站 這樣每天只要打開自己的網(wǎng)站就可以看到屬于自己的今日頭條啦～

  • 抓取資訊 puppeteer
  • 定時任務(wù) node-schedule
  • 部署 docker + github pages

我的今日頭條

  • 掘金社區(qū) 前端熱門文章
  • 今日頭條 熱門時事
  • 虎撲社區(qū) nba 賽事
  • QQ 音樂 熱門音樂

ok,開擼...

項目初始化

npm init -y

today's hot
│   README.md
└───html
│   │   index.html  // 網(wǎng)站入口,用于部署github pages
└───resource
│   │   index.json  // 資訊數(shù)據(jù),爬取存放文件
└───tasks           // 任務(wù)隊列
│   │   index.js
│   │   juejin.js
│   │   top.js
│   │   nba.js
│   │   music.js
│   │   jianshu.js
└───tools          //  工具類
    │   index.js
│   index.js       //  工程入口
│   package.json

抓取資訊

抓取資訊 我使用的是 puppeteer,它是 Google Chrome 團隊官方的一個工具,提供了一些 API 來控制 chrome!(一聽就很刺激。)

npm i puppeteer --save

我們先寫一個簡單的 demo 來了解一些 puppeteer 的基本 api.

const puppeteer = require("puppeteer");

const task = async () => {
  // 打開chrome瀏覽器
  const browser = await puppeteer.launch({
    // 關(guān)閉無頭模式,方便查看
    headless: false
  });
  // 新建頁面
  const page = await browser.newPage();
  // 跳轉(zhuǎn)到掘金
  await page.goto("https://juejin.im");
  // 截屏保存
  await page.screenshot({
    path: "./juejin.png"
  });
};
task();
juejin

ok~我們趁陰明站長不在的時候,來掘金"拿點"東西～

掘金的前端熱門文章是我比較關(guān)注的模塊,我們來"拿"這個模塊的資訊.

const puppeteer = require("puppeteer");

const task = async () => {
  // 打開chrome瀏覽器
  const browser = await puppeteer.launch({
    headless: false
  });
  // 新建頁面
  const page = await browser.newPage();
  // 跳轉(zhuǎn)到掘金
  await page.goto("https://juejin.im");
  // 菜單導(dǎo)航對應(yīng)的類名
  const navSelector = ".view-nav .nav-item";
  // 前端菜單
  const navType = "前端";
  // 等待菜單加載完成...
  await page.waitFor(navSelector);
  // 菜單導(dǎo)航名稱
  const navList = await page.$$eval(navSelector, ele =>
    ele.map(el => el.innerText)
  ); // [ '推薦', '后端', '前端', 'Android', 'iOS', '人工智能', '開發(fā)工具', '代碼人生', '閱讀' ]
  // 找出菜單中前端模塊對應(yīng)的索引
  const webNavIndex = navList.findIndex(item => item === navType);
  // 點擊前端模塊并等待頁面跳轉(zhuǎn)完成
  await Promise.all([
    page.waitForNavigation(),
    page.click(`${navSelector}:nth-child(${webNavIndex + 1})`)
  ]);
  // 截屏保存
  await page.screenshot({
    path: "./juejin-web.png"
  });
};
task();
juejin

上圖可以看到,我們已經(jīng)跳轉(zhuǎn)到了前端模塊.

接下來,我們只要找出文章列表對應(yīng)的類名就可以對它進行爬取.

const puppeteer = require("puppeteer");

const task = async () => {
  // 打開chrome瀏覽器
  const browser = await puppeteer.launch({
    headless: false
  });
  // 新建頁面
  const page = await browser.newPage();
  // 跳轉(zhuǎn)到掘金
  await page.goto("https://juejin.im");
  // 菜單導(dǎo)航選擇器
  const navSelector = ".view-nav .nav-item";
  // 文章列表選擇器
  const listSelector = ".entry-list .item a.title";
  // 菜單類別
  const navType = "前端";
  await page.waitFor(navSelector);
  // 導(dǎo)航列表
  const navList = await page.$$eval(navSelector, ele =>
    ele.map(el => el.innerText)
  );
  // 前端導(dǎo)航索引
  const webNavIndex = navList.findIndex(item => item === navType);
  await Promise.all([
    page.waitForNavigation(),
    page.click(`${navSelector}:nth-child(${webNavIndex + 1})`)
  ]);
  // 等待文章列表選擇器加載完成
  await page.waitForSelector(listSelector, {
    timeout: 5000
  });
  // 通過選擇器找到對應(yīng)列表項的標題和鏈接
  const res = await page.$$eval(listSelector, ele =>
    ele.map(el => ({
      url: el.href,
      text: el.innerText
    }))
  );
  // [ { url: 'https://juejin.im/post/5dd55512f265da47a807cc06',
  //   text: 'if 我是前端Leader，怎么走出小微前端團隊的圍墻?' },
  // { url: 'https://juejin.im/post/5dd49a45e51d45400206a655',
  //   text: 'Koa還是那個Koa，但是Nodejs已經(jīng)不再是那個Nodejs' },
  // { url: 'https://juejin.im/post/5dd4b991e51d450818244c30',
  //   text: 'WebSocket 原理淺析與實現(xiàn)簡單聊天' },...
};
task();

ok,我們已經(jīng)成功拿到了掘金前端熱門文章的內(nèi)容,趁站長還沒來,趕緊溜～其他網(wǎng)站也是一樣的方法,這里就不啰嗦了~

我們拿到了資訊,接下來對它進行保存。

保存資訊

因為只是玩具級別的 demo,這里就不用數(shù)據(jù)庫了,簡單的用 json 進行保存。

// resource/index.json
{
  "data": []
}

我們基于 nodejs fs 文件操作模塊,簡單封裝讀寫方法。

// tools/index.js
const fs = require("fs");
const fileServer = {
  // 寫文件
  write(path, text) {
    fs.writeFileSync(path, text);
  },
  // 讀文件
  read(path) {
    return fs.readFileSync(path);
  }
};

接下來,我們只要在每次獲取完資訊,將內(nèi)容寫進文件就好了

const { fileServer } = require("./tools");
const path = require("path");
const task = () => {
  // 獲取資訊任務(wù)
  const getMsgTask = Promise.all(tasks());
  getMsgTask.then(res => {
    // 讀取json
    const { data } = JSON.parse(
      fileServer.read(path.join(resourcePath, "./index.json")).toString()
    );
    // ... 此處省略對資訊 格式化內(nèi)容
    const text = msgHandle(res);
    // 寫入資訊
    fileServer.write(
      path.join(resourcePath, "./index.json"),
      JSON.stringify({
        data: [
          {
            date: now,
            text
          },
          ...data
        ]
      })
    );
  });
};

保存完資訊,我們只要請求這個文件,將它渲染出來就好了～

// html/index.html
<!DOCTYPE html>
<html lang="en">
  <head>
    <meta charset="UTF-8" />
    <meta name="viewport" content="width=device-width, initial-scale=1.0" />
    <meta http-equiv="X-UA-Compatible" content="ie=edge" />
    <title>今日資訊</title>
    <script src="https://cdn.bootcss.com/marked/0.7.0/marked.min.js"></script>
    <script src="https://cdn.bootcss.com/jquery/3.4.1/jquery.min.js"></script>
  </head>
  <body>
    <div id="content"></div>
  </body>
  <script>
    (function() {
        $.ajax({
          url: "http://localhost:8888/index.json",
          dataType: "json",
          success(data) {
            const content = data.data.reduce((a, b) => a + b.text, "");
            // 資訊我使用的是markdown進行保存,所以用marked進行轉(zhuǎn)換
            $("#content").html(marked(content));
          }
        });
    })();
  </script>
</html>

定時任務(wù)

定時任務(wù)使用的是node-schedule,非常簡單易用的一個 nodejs 庫。

// 每日18時定時任務(wù)
function crontab() {
  schedule.scheduleJob(`00 00 18 * * *`, mainTask);
}
// 任務(wù)
function mainTask(){...}

部署

部署我采用的是 docker + github pages 。

docker 部署這里有兩個要注意的地方

  1. 時區(qū)問題:docker 時區(qū)是 UTC,和北京時間差了 8 小時,會導(dǎo)致我們的定時任務(wù)時間失準.

  2. docker 和 puppeteer chorium 源問題 ...

# Dockerfile

FROM node:10-slim
# 創(chuàng)建項目代碼的目錄
RUN mkdir -p /workspace

# 指定RUN、CMD與ENTRYPOINT命令的工作目錄
WORKDIR /workspace

# 復(fù)制宿主機當前路徑下所有文件到docker的工作目錄
COPY . /workspace
# 清除npm緩存文件
RUN npm cache clean --force && npm cache verify
# 如果設(shè)置為true，則當運行package scripts時禁止UID/GID互相切換
# RUN npm config set unsafe-perm true

RUN npm config set registry "https://registry.npm.taobao.org"

RUN npm install -g pm2@latest
# Install latest chrome dev package and fonts to support major charsets (Chinese, Japanese, Arabic, Hebrew, Thai and a few others)
# Note: this installs the necessary libs to make the bundled version of Chromium that Puppeteer
# installs, work. 此處有墻...
# https://github.com/GoogleChrome/puppeteer/blob/master/docs/troubleshooting.md
RUN wget -q -O - https://dl-ssl.google.com/linux/linux_signing_key.pub | apt-key add - \
  && sh -c 'echo "deb [arch=amd64] http://dl.google.com/linux/chrome/deb/ stable main" >> /etc/apt/sources.list.d/google.list' \
  && apt-get update \
  && apt-get install -y google-chrome-unstable fonts-ipafont-gothic fonts-wqy-zenhei fonts-thai-tlwg fonts-kacst fonts-freefont-ttf \
  --no-install-recommends \
  && rm -rf /var/lib/apt/lists/*

# 只安裝package.json dependencies
RUN npm install --production

RUN npm i puppeteer
# 設(shè)置時區(qū)
RUN rm -rf /etc/localtime && ln -s /usr/share/zoneinfo/Asia/Shanghai /etc/localtime

EXPOSE 8888

CMD [ "pm2-docker", "start", "pm2.json" ]

構(gòu)建鏡像 shell

# build.sh
docker build -t today-hot .

啟動容器 shell

# run.sh
curPath=`cd $(dirname $0);pwd -P`
docker run --name todayHot -d -v $curPath:/workspace -p 8888:8888 today-hot

接下來只要把 html 文件部署到網(wǎng)站上即可,我們這里使用 github-pages ,免費的靜態(tài)網(wǎng)站托管平臺～

npm install gh-pages --save

在 package.json 定義 scripts

  "scripts": {
    "deploy": "gh-pages -d html"
  }

  npm run deploy 將前端資源推送到github上,然后通過 xxx.github.io/xxx  就可以訪問了

結(jié)語

本文主要講解的是思路,具體代碼如下,爬蟲 服務(wù)并沒有部署到服務(wù)器,大家可以 download 代碼自行嘗試。

完整代碼地址

效果

如果覺得有幫助到你,你懂的～

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點，簡書系信息發(fā)布平臺，僅提供信息存儲服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容