Inicio Explorar Ayuda
Registro Iniciar sesión
kylx365
/
miaoguo_system_server
Seguir 2
Destacar 0
Fork 0
Archivos Incidencias 0 Pull Requests 0 Wiki
Explorar el Código

0

chengjie hace 2 meses
padre
2dab6b65fa
commit
d4d0539580
Se han modificado 1 ficheros con 73 adiciones y 4 borrados
Dividir vista Mostrar estadísticas de diff
  1. 73 4
      src/web_crawler/crawle_chinese.js

+ 73 - 4
src/web_crawler/crawle_chinese.js
Ver fichero 

@@ -12,10 +12,53 @@ import iconv from 'iconv-lite';
12 12 
 const __filename = fileURLToPath(import.meta.url);
13 13 
 const __dirname = path.dirname(__filename);
14 14
15 
-const WEB_URL="https://www.piaotia.com/html/3/3759/";
16 
-const title = "奥术神座";
17 
-const author = "爱潜水的乌贼";
18 
-const coverName = "cover.jpeg";
15 
+const WEB_URL="https://www.piaotia.com/html/5/5150/";
16 
+const title = "回到过去变成猫";
17 
+const author = "陈词懒调";
18 
+const coverName = "cover.png";
19 
+
20 
+/**
21 
+ * 检查章节文件是否已存在
22 
+ * @param {string} contentDir - 章节内容目录
23 
+ * @param {object} chapter - 章节对象
24 
+ * @returns {boolean} - 章节文件是否存在
25 
+ */
26 
+function isChapterFileExists(contentDir, chapter) {
27 
+    try {
28 
+        const chapterFileName = `${String(chapter.index).padStart(4, '0')}_${chapter.title.replace(/[\\/:*?"<>|]/g, '_')}.html`;
29 
+        const chapterFilePath = path.join(contentDir, chapterFileName);
30 
+        return fs.existsSync(chapterFilePath);
31 
+    } catch (error) {
32 
+        console.error(`检查章节文件是否存在时出错: ${error.message}`);
33 
+        return false;
34 
+    }
35 
+}
36 
+
37 
+/**
38 
+ * 从已存在的章节文件中加载内容
39 
+ * @param {string} contentDir - 章节内容目录
40 
+ * @param {object} chapter - 章节对象
41 
+ * @returns {string|null} - 章节内容或null
42 
+ */
43 
+function loadExistingChapterContent(contentDir, chapter) {
44 
+    try {
45 
+        const chapterFileName = `${String(chapter.index).padStart(4, '0')}_${chapter.title.replace(/[\\/:*?"<>|]/g, '_')}.html`;
46 
+        const chapterFilePath = path.join(contentDir, chapterFileName);
47 
+
48 
+        if (fs.existsSync(chapterFilePath)) {
49 
+            const htmlContent = fs.readFileSync(chapterFilePath, 'utf-8');
50 
+            // 提取正文内容
51 
+            const contentMatch = htmlContent.match(/<body>\s*<h1[^>]*>.*?<\/h1>\s*([\s\S]*?)\s*<\/body>/);
52 
+            if (contentMatch) {
53 
+                return contentMatch[1];
54 
+            }
55 
+        }
56 
+        return null;
57 
+    } catch (error) {
58 
+        console.error(`加载已存在章节内容时出错: ${error.message}`);
59 
+        return null;
60 
+    }
61 
+}
19 62
20 63 
 /**
21 64 
  * 爬取单个章节内容
 
@@ -393,6 +436,19 @@ async function crawleWeb(outputDir = 'src/web_crawler', fetchContent = false, ma
393 436 
                     await setTimeout(3000);
394 437 
                 }
395 438
439 
+                // 检查章节文件是否已存在
440 
+                if (isChapterFileExists(contentDir, chapter)) {
441 
+                    console.log(`章节 ${chapter.title} 已存在，跳过爬取`);
442 
+                    // 加载已存在的章节内容
443 
+                    const existingContent = loadExistingChapterContent(contentDir, chapter);
444 
+                    if (existingContent) {
445 
+                        chapters[i].content = existingContent;
446 
+                        contentsObj[chapter.title] = existingContent;
447 
+                        console.log(`已加载章节 ${chapter.title} 的现有内容`);
448 
+                    }
449 
+                    continue;
450 
+                }
451 
+
396 452 
                 // 检查章节URL是否有效
397 453 
                 if (!chapter.url || !chapter.url.startsWith('http')) {
398 454 
                     console.error(`章节 ${chapter.title} 的URL无效: ${chapter.url}`);
 
@@ -500,6 +556,19 @@ async function crawleWeb(outputDir = 'src/web_crawler', fetchContent = false, ma
500 556 
                         const { index, chapter } = failedItem;
501 557 
                         console.log(`重试章节: ${chapter.title}`);
502 558
559 
+                        // 检查章节文件是否已存在
560 
+                        if (isChapterFileExists(contentDir, chapter)) {
561 
+                            console.log(`章节 ${chapter.title} 已存在，跳过重试`);
562 
+                            // 加载已存在的章节内容
563 
+                            const existingContent = loadExistingChapterContent(contentDir, chapter);
564 
+                            if (existingContent) {
565 
+                                chapters[index].content = existingContent;
566 
+                                contentsObj[chapter.title] = existingContent;
567 
+                                console.log(`已加载章节 ${chapter.title} 的现有内容`);
568 
+                            }
569 
+                            continue;
570 
+                        }
571 
+
503 572 
                         // 检查章节URL是否有效
504 573 
                         if (!chapter.url || !chapter.url.startsWith('http')) {
505 574 
                             console.error(`重试章节 ${chapter.title} 的URL无效: ${chapter.url}`);