一晚上省六块钱！把爬虫放到手机上跑，Flutter爬虫框架初探~

Posted 2021-04-25 程序设计实验室

最近做毕设需要大量数据训练模型，很多网站又要反爬机制，得爬一会停一会，所以特别慢，要是我用电脑24小时爬虫太费电了，于是想到利用手机~

然后就想到flutter，安卓苹果旧手机都能利用起来做数据采集。

ok，然后就开始做，折腾了一天做了一个大概的框架。总算可以方便的添加爬虫任务了，集成了配置、日志、数据持久化这些基本的功能，然后封装网络请求、网页解析的功能，用起来还行。

只不过众所周知的，dart是一种单线程语言，虽说提供了isolate机制，但是不能共享内存，用起来缚手缚脚的，然后flutter还禁用了反射！谷歌团队真是牛逼，我折腾了一下午之后被这辣鸡玩意气到了，索性弃坑了。

想要实现多线程爬虫的话看来应该是要写一部分原生代码才行，那我还不如全部用原生。。。

（ps：放着好好的android原生不用，用什么辣鸡flutter做爬虫?? 秀逗了啊，气死我了）

app截图

系统架构

画了几个图

SpiderTask基类，所有爬虫类都从这个类派生，SpiderTask内自己维护一个TaskConfig任务配置对象和一个日志对象。如下图：

至于数据持久化的，我用了另外一个类，采用单例模式，在app启动的时候初始化。

工作流程

1. 在home里的任务列表中注册爬虫任务
2. 启动app后在主页面管理各个爬虫任务
3. 选择一个任务启动
4. 进入详情页面会自动与爬虫任务的logging对象进行绑定，可以看到日志输出

简单的例子

写一个简单的例子，运行后会爬取CN Radio网站的新闻。

import 'package:flutter/src/widgets/framework.dart';
import 'package:flutter_spider_fx/framework/index.dart';

class CNRadioNewsSpider extends SpiderTask {
  var url = 'http://news.cnr.cn/';

  CNRadioNewsSpider(BuildContext context) : super(context, 'CNRadioNewsSpider');

  @override
  start() async {
    super.start();
    var dom = await CatHttp.getDocument(url, encoding: 'gb2312');
    var links = dom.querySelectorAll('.contentPanel .lh30 a');
    links.forEach((link) {
      logging.debug(link.attributes['href']);
      logging.info(link.text);
    });
  }
}

框架代码

了解详情可以在GitHub查看项目代码~

最后提一下：辣鸡flutter，千万别迷信谷歌的技术，这玩意目前仍然是个坑，写个简单GUI实现CRUD还行，高级的玩法就不要想了。

欢迎交流

• 微信公众号：画星星高手
• 打代码直播间：https://live.bilibili.com/11883038
• 知乎：https://www.zhihu.com/people/dealiaxy
• 专栏：https://zhuanlan.zhihu.com/deali
• 简书：https://www.jianshu.com/u/965b95853b9f