用好anyproxy提高公众号文章采集效率
|
副标题[/!--empirenews.page--]
影响因素主要会有以下几点： 1、网络环境不佳； 2、手机或模拟器中微信客户端崩溃； 3、其它一些网络传输错误； 因为我比较看重采集系统的运行成本，这个成本包括硬件投入，运算力投入和占用的人工精力。所以必须提高运行的稳定性。因此如果采集中断，必然增加人工精力的成本。所以针对这一点我对anyproxy做了一些进阶的改造，并且借助了其它一些工具提高了运行效率。以下就是具体的解决方法： 一、代码升级1）微信浏览器白屏 解决方法：修改文件requestHandler.js，还是在rule_default.js同级目录下，（mac系统/usr/local/lib/node_modules/anyproxy/lib/；win系统评论区网友cnbattle提供C:UsersAdministratorAppDataRoamingnpmnode_modulesanyproxylib） 在代码中找到proxyReq.on("error",function(e){这个函数，并修改内容 这样当发生错误时，会返回一个刷新当前页面的js；这样程序就能继续下去了 2）替换所有图片，减轻浏览器负担 首先需要制作一张非常小的图片，我做的是1x1像素，png透明图；放到任意文件夹里。然后修改文件rule_default.js的代码： 在文件开头有许多var的位置加入以下代码 在下面的代码中找到shouldUseLocalResponse : function(req,reqBody){函数，在函数内插入代码： 继续在下面的代码中找到dealLocalResponse : function(req,reqBody,callback){函数，在函数内插入代码： 这三段代码就会将公众号里面的所有图片替换成本地图片，减轻网络传输压力和浏览器占用的内存，有效的提高运行效率； 3）禁止手机或模拟器访问一些无用的和会导致错误的网址 同样在rule_default.js里找到代码replaceRequestOption : function(req,option){函数，在函数内部插入代码： 这个修改之前的文章也提到过了，在这里重新再详细介绍一下。他的用途很多，不同的手机和模拟器都有可能访问一些无用的地址导致设备变慢，通过这个代码就可以阻止访问。 二、使用pm2管理anyproxy进程pm2 是一个带有负载均衡功能的Node应用的进程管理器. 当你要把你的独立代码利用全部的服务器上的所有CPU，并保证进程永远都活着，0秒的重载， PM2是完美的。它非常适合IaaS结构，但不要把它用于PaaS方案（随后将开发Paas的解决方案）. 主要特性： 内建负载均衡（使用Node cluster 集群模块） 后台运行 0秒停机重载，我理解大概意思是维护升级的时候不需要停机. 具有Ubuntu和CentOS 的启动脚本 停止不稳定的进程（避免无限循环） 控制台检测 提供 HTTP API 远程控制和实时的接口API ( Nodejs 模块,允许和PM2进程管理器交互 ) 测试过Nodejs v0.11 v0.10 v0.8版本，兼容CoffeeScript,基于Linux 和MacOS. 首先安装pm2 在pm2环境下运行anyproxy 现在anyproxy就在pm2的环境中运行了 之后还有几个pm2的命令可以帮助管理和监控anyproxy 特别提示：pm2运行后，终端窗口是可以关闭的。 使用pm2管理anyproxy进程，最重要的目的是：anyproxy因为错误而退出程序之后，pm2可以另anyproxy自动重启。 三、取消sudo密码，并使pm2开机自启以下内容是在mac环境下的方法，windows也应该有类似的方法，如果了解的网友可以私信发给我。 1）首先取消sudo的密码 运行命令： 找到代码： 修改为： 这样sudo的密码就取消掉了，然后就可以将pm2加入到开机自启动中了 2）设置开机自启 在终端中输入命令： 然后进入编辑模式，按键盘字母i开始编辑，粘贴代码： 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： 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。 （编辑：温州站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
