js爬虫怎样控制爬取速度

JavaScript爬虫速度控制的关键在于合理运用setTimeout函数或Promise.then()方法，避免对目标服务器造成过大压力。 setTimeout允许您在指定毫秒数后执行函数，从而实现延迟。

以下示例展示了如何使用setTimeout控制爬虫速度：

const axios = require('axios');
const cheerio = require('cheerio');

// 爬取函数
async function scrape(url) {
  try {
    const response = await axios.get(url);
    const html = response.data;
    const $ = cheerio.load(html);
    //  提取所需数据
    const data = $('selector').text(); //  替换'selector'为你的选择器
    console.log(data);
    return data;
  } catch (error) {
    console.error(`Error fetching ${url}:`, error);
    return null;
  }
}


// 主程序
async function main() {
  const urls = [
    'https://example.com/page1',
    'https://example.com/page2',
    'https://example.com/page3',
    // ...更多URL
  ];

  for (let i = 0; i < urls.length; i++) {
    const url = urls[i];
    const data = await scrape(url);
    if(data) {
      // 处理提取的数据
    }
    await new Promise(resolve => setTimeout(resolve, 1000)); // 延迟1秒
  }
}

main();

此代码使用axios获取网页内容，cheerio解析HTML。 setTimeout在每次爬取后引入1秒延迟（可根据需要调整）。 为了更好的错误处理，增加了对scrape函数返回值的检查。 使用async/await使得代码更易读。 记住替换'selector'为你的实际选择器。 请务必遵守目标网站的robots.txt协议，并尊重网站的服务器负载能力。