首頁  >  文章  >  後端開發  >  用好anyproxy提高公眾號文章蒐集效率詳解

用好anyproxy提高公眾號文章蒐集效率詳解

jacklove
jacklove原創
2018-07-07 17:50:443340瀏覽

跟大家分享一下anyproxy進階使用方法,並且透過這個分享如何提高公眾號文章採集效率的分析,需要的朋友參考學習下吧。

影響因素主要會有以下幾點:

1、網路環境不佳;

#2、手機或模擬器中微信客戶端崩潰;

3、其它一些網路傳輸錯誤;

因為我比較重視採集系統的運作成本,這個成本包括硬體投入,運算力投入和佔用的人工精力。所以必須提高運轉的穩定性。因此如果採集中斷,必然增加人工精力的成本。所以針對這一點我對anyproxy做了一些進階的改造,並且藉助了其它一些工具提高了運作效率。以下就是具體的解決方法:

一、程式碼升級

1)微信瀏覽器白屏

解決方法:修改檔案requestHandler.js,還是在rule_default.js同級目錄下,(mac系統/usr/local/lib/node_modules/anyproxy/lib/;win系統評論區網友cnbattle提供C:\Users\Administrator\AppData\ Roaming\npm\node_modules\anyproxy\lib)

在程式碼中找到proxyReq.on("error",function(e){這個函數,並修改內容

//userRes.end();//把这一行注释掉
userRes.end(&#39;<script>setTimeout(function(){window.location.reload();},2000);</script>&#39;);//插入这一行

這樣當發生錯誤時,會傳回一個刷新目前頁面的js;這樣程式就能繼續下去了

2)取代所有圖片,減輕瀏覽器負擔

#首先需要製作一張非常小的圖片,我做的是1x1像素,png透明圖;放到任意資料夾裡。然後修改檔案rule_default.js的程式碼:

在檔案開頭有許多var的位置加入以下程式碼

var fs = require("fs"),
 img = fs.readFileSync("/Library/WebServer/Documents/space.png");//代码绝对路径替换成自己的

在下面的程式碼中找到shouldUseLocalResponse : function(req,reqBody){函數,在函數內插入程式碼:

if(/mmbiz\.qpic\.cn/i.test(req.url)){
 req.replaceLocalFile = true;
 return true;
}else{
 return false;
}

##繼續在下面的程式碼中找到dealLocalResponse : function(req, reqBody,callback){函數,在函數內插入程式碼:

if(req.replaceLocalFile){
 callback(200, {"content-type":"image/png"},img );
}

這三段程式碼就會將公眾號裡面的所有圖片替換成本地圖片,減輕網路傳輸壓力和瀏覽器佔用的內存,有效的提高運行效率;

3)禁止手機或模擬器訪問一些無用的和會導致錯誤的網址

同樣在rule_default. js裡找到程式碼replaceRequestOption : function(req,option){函數,在函數內部插入程式碼:

var newOption = option;
if(/google|btrace/i.test(newOption.headers.host)){//这里面的正则可以替换成自己不希望访问的网址特征字符串,这里面的btrace是一个腾讯视频的域名,经过实践发现特别容易导致浏览器崩溃,所以加在里面了,继续添加可以使用|分割。
 newOption.hostname = "127.0.0.1";//这个ip也可以替换成其他的
 newOption.port  = "80";
}
return newOption;

這個修改之前的文章也提到過了,在這裡重新再詳細介紹一下。他的用途很多,不同的手機和模擬器都有可能存取一些無用的地址導致設備變慢,透過這個代碼就可以阻止訪問。

二、使用pm2管理anyproxy進程

#pm2 是一個帶有負載平衡功能的Node應用的進程管理器.


當你要把你的獨立程式碼利用全部的伺服器上的所有CPU,並保證進程永遠都活著,0秒的重載, PM2是完美的。它非常適合IaaS結構,但不要把它用於PaaS方案(隨後將開發Paas的解決方案).

#主要特性:

內建負載平衡(使用Node cluster 叢集模組)


後台運行


0秒停機重載,我理解大概意思是維護升級的時候不需要停機.


有Ubuntu和CentOS 的啟動腳本


停止不穩定的程序(避免無限循環)


#控制台偵測


##提供HTTP API


遠端控制和即時的介面API ( Nodejs 模組,允許和PM2進程管理器互動)

測試過Nodejs v0.11 v0.10 v0.8版本,相容CoffeeScript,基於Linux 和MacOS.


首先安裝pm2

sudo npm install -g pm2

在pm2環境下執行anyproxy

sudo pm2 start anyproxy -x -- -i

現在anyproxy在pm2的環境中運行了

#之後還有幾個pm2的命令可以幫助管理和監控anyproxy

//查看运行日志
sudo pm2 logs anyproxy [--lines 10]
//关闭anyproxy
sudo pm2 delete anyproxy
//重启anyproxy
sudo pm2 restart anyproxy
//监控内存占用
sudo pm2 monit
//监控运行状态
sudo pm2 list

特別提示:pm2運行後,終端機視窗是可以關閉的。

使用pm2管理anyproxy進程,最重要的目的是:anyproxy因為錯誤而退出程式之後,pm2可以另anyproxy自動重啟。

三、取消sudo密碼,並使pm2開機自啟動以下內容是在mac環境下的方法,windows也應該有類似的方法,如果了解的網友可以私訊寄給我。

1)首先取消sudo的密碼

執行指令:

#
sudo visudo

找到程式碼:

%admin   ALL = (ALL) ALL

修改為:

%admin   ALL = (ALL) NOPASSWD: ALL

這樣sudo的密碼就取消掉了,然後就可以將pm2加入到開機自啟動了

2)設定開機自啟動

在終端機中輸入指令:

cd
touch autoexec.sh
vim autoexec.sh

然後進入編輯模式,按鍵盤字母i開始編輯,貼上程式碼:

#!/bin/sh 
sudo pm2 start anyproxy -x -- -i
sudo pm2 monit

编辑完之后,按esc,再键入命令wq保存退出编辑模式。

再执行命令:

chmod 755 autoexec.sh

这样一个可执行文件就建立好了

然后打开mac系统的“系统偏好设置”,找到“用户与群组”,在左侧选择当前用户,右侧选择登录项;然后点击+号,找到当前用户的根目录(可以按shift+command+h快捷键),选择autoexec.sh文件,添加到登录项中,就可以开机自启动了。

经过以上的几项设置之后,anyproxy系统就会比原来更加稳定,其实主要原因是模拟器或手机的不稳定导致的anyproxy发生的错误。经过实际测试,anyproxy目前可以长时间运行不崩溃。而微信客户端还是在运行大约6个小时之后崩溃,以2秒翻一页的速度,采集总数大约1万个页面。如果不采集阅读量,就可以是1万个公众号的历史消息页。

微信客户端的崩溃现象是退出微信浏览器,停留在查看公众号资料页面。所以如果希望再进一步提高自动化,也可以使用触动精灵之作自动化脚本,定时推出微信浏览器,再点击历史消息页。这样应该就可以实现长时间自动化采集了。

相关推荐:

PHP写微信公众号文章页采集方法讲解

如何采集微信公众号历史消息页的详解

PHP实现基数排序的方法讲解

以上是用好anyproxy提高公眾號文章蒐集效率詳解的詳細內容。更多資訊請關注PHP中文網其他相關文章!

陳述:
本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn