Nodejs异步框架——async

上次的网页爬虫写完后，又打算做一个爬图的工具。前两天已经写好了代码。思路如下：

分析页面还是采用cheerio，对<div>中的img进行分析抽取，拿到图片的url。然后用childprocess调用系统的curl工具来下载这些远程url的图片。最后将这些写入到系统的硬盘中。

功能代码如下（只是下载图片的功能代码）：

var url=require('url');
var fs=require('fs');
var cp=require('child_process');

var DOWNLOAD_DIR='./';
var file_url='http://htmljs.b0.upaiyun.com/uploads/1396874069658-nodejs_1280x1024.png';

function downloads(file_url){
        var filename=url.parse(file_url).pathname.split('/').pop();
        var file=fs.createWriteStream(DOWNLOAD_DIR+filename);
        var curl=cp.spawn('curl',[file_url]);   //use spawn
        curl.stdout.on('data',function(data){
                file.write(data);
        });
        curl.stdout.on('end',function(data){
                file.end();
        console.log(filename+'downloaded to'+DOWNLOAD_DIR);
        });

        curl.on('exit',function(code){
                if(code!=0){
                        console.log('Failed:'+code);
                }
        });

};

downloads(file_url);

但是发现了一个问题。就是下载的图的数量比较少的时候，一切都还好。当循环页面下载的时候，一旦并行任务过多，立刻就不行了。因为并发量太大。

后来尝试用http的get方法来读图片，结果性能更不行，还不如系统的curl。

去cnode请教了一下，有前辈说需要限制一下并发量，用aysnc。

也是在下班后等零碎的时间，去aysnc的github(https://github.com/caolan/async)上看了一下，运行了几个实例。发现async的确不错。

先说下js异步回调的问题，按照传统的回调来，处理回调中的数据，发现只能一层套一层的。刚开始感觉这种方式不错，后来套的多了，才发现这种方式，太死了。

async是解决这个问题的。

为了解决我遇到的问题，所以着重看了一下它的控制流方面的东西。

async.series 和parallel.

这两个,一个是顺序的一个是并行的。

api里面有讲他的用法，他们都有(tasks, [callback])的参数。第一个参数是任务，第二个是得到前面任务数据的callback。

其中多个task，可以用数组，也可以用对象。本人倾向用对象。

async.series({
    one: function(callback){
        callback(null, 'one');
    },
    two: function(callback){
        callback(null, 'two');
    }
},
function(err, results) {
    // results is now equal to: {one: 'one', two: 'two'}
});

同样，可以打印results中的某些属性，results.one什么的。

parallel和series是一样的用法。

所以，采用这种并行的方式，把之前写的工具改造一下，我们就不需要再往下套函数处理了：

var cheerio=require('cheerio');
var request=require('request');
var fs=require('fs');
var async=require('async');

var url='http://www.cnblogs.com/juepei/';
var result=new Array();

async.parallel({
        one:function(cb){
                request(url,function(error,res,body){
                        if(!error && res.statusCode==200){
                                var $=cheerio.load(body);
                                $('div').filter(function(i,ele){
                                        if($(this).attr('class')==='postTitle'){
                                                result.push($(this).text().trim());
                                        }
                                });
                                //console.log(result);
                                cb(result);
                        }
                });
        }
},function(err,results){
        if(err){
                console.log(err);
        }else{
                console.log(results.one);
        }
});

关于最后一个回调函数，必须要处理err，不然的话，会报results为undefined。这是不是async规定的，目前还不知道，如果有前辈知道为何，请赐教。

从而，再下载大量图片的时候，我们就可以采用parallelLimit(tasks, limit, [callback])这个函数，对并行任务的数量进行限制一下，就可解决问题了。晚上回去试试，看是不是已经ok了。

在此附上本人的github地址：https://github.com/ThinkCats ,大家可以相互交流，共同进步。