crawlers and savers
This commit is contained in:
1
.gitignore
vendored
1
.gitignore
vendored
@@ -1,2 +1,3 @@
|
|||||||
node_modules
|
node_modules
|
||||||
.DS_Store
|
.DS_Store
|
||||||
|
crawler/build
|
||||||
|
|||||||
@@ -22,8 +22,8 @@ Ukljucen je webpack hot module replacement + webpack-dev-server tako da se sve i
|
|||||||
Trenutno postoji samo jedan crawler a to je `olx.js`
|
Trenutno postoji samo jedan crawler a to je `olx.js`
|
||||||
|
|
||||||
1. cd crawler
|
1. cd crawler
|
||||||
2. babel olx.js > build/olx.js
|
2. npm run dev
|
||||||
3. node build/olx.js
|
3. node build/crawler.js
|
||||||
4. profit!
|
4. profit!
|
||||||
|
|
||||||
Trenutno se rezultati crawlanja spasavaju u JSON file, naravno ovo moramo cim prije promjeniti.
|
Trenutno se rezultati crawlanja spasavaju u JSON file, naravno ovo moramo cim prije promjeniti.
|
||||||
|
|||||||
@@ -1,3 +1,4 @@
|
|||||||
{
|
{
|
||||||
"plugins": ["transform-async-to-generator"]
|
"plugins": ["transform-async-to-generator"],
|
||||||
|
"presets":["es2015"]
|
||||||
}
|
}
|
||||||
|
|||||||
4
crawler/.env
Normal file
4
crawler/.env
Normal file
@@ -0,0 +1,4 @@
|
|||||||
|
MONGO_URL='mongodb://localhost:27017/kivi'
|
||||||
|
OLX_FROM_PAGE=8
|
||||||
|
OLX_TO_PAGE=8
|
||||||
|
OLX_MAX_RESULTS=1000
|
||||||
48
crawler/crawl.js
Normal file
48
crawler/crawl.js
Normal file
@@ -0,0 +1,48 @@
|
|||||||
|
'use strict'
|
||||||
|
|
||||||
|
|
||||||
|
/*
|
||||||
|
Entry point for crawling functionality
|
||||||
|
All communication between crawlers and savers is here
|
||||||
|
All environment specific configuration is read here and
|
||||||
|
passed to the crawlers and savers.
|
||||||
|
|
||||||
|
*/
|
||||||
|
import {
|
||||||
|
install
|
||||||
|
} from 'source-map-support';
|
||||||
|
import 'dotenv/config';
|
||||||
|
import OlxCrawler from './specific/olx';
|
||||||
|
import MongoSaver from './savers/mongo'
|
||||||
|
|
||||||
|
install(); // for source maps to work
|
||||||
|
|
||||||
|
let crawlers = [
|
||||||
|
new OlxCrawler(process.env.OLX_FROM_PAGE, process.env.OLX_TO_PAGE, process.env.OLX_MAX_RESULTS)
|
||||||
|
];
|
||||||
|
let savers = [
|
||||||
|
new MongoSaver(process.env.MONGO_URL)
|
||||||
|
];
|
||||||
|
|
||||||
|
let done = 0;
|
||||||
|
for (let crawler of crawlers) {
|
||||||
|
try {
|
||||||
|
crawler.crawl().then((results) => {
|
||||||
|
for (let saver of savers) {
|
||||||
|
try {
|
||||||
|
saver.open();
|
||||||
|
saver.save(results);
|
||||||
|
} catch (e) {
|
||||||
|
console.log("Error saving. Trying next saver! ", e);
|
||||||
|
|
||||||
|
}
|
||||||
|
}
|
||||||
|
});
|
||||||
|
} catch (e) {
|
||||||
|
console.log("Error crawling. Trying next crawler! ", e);
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
for (let saver of savers) {
|
||||||
|
saver.close();
|
||||||
|
}
|
||||||
@@ -1,76 +0,0 @@
|
|||||||
'use strict'
|
|
||||||
let fetch = require('node-fetch')
|
|
||||||
let jsonfile = require('jsonfile')
|
|
||||||
let cheerio = require('cheerio')
|
|
||||||
let fs = require('fs')
|
|
||||||
let twilio = require('twilio')
|
|
||||||
|
|
||||||
const accountSid = process.env.TWILLIO_ACCOUNT_SID;
|
|
||||||
const authToken = process.env.TWILLIO_AUTH_TOKEN;
|
|
||||||
|
|
||||||
if (!accountSid || !authToken) {
|
|
||||||
console.error('TWILLIO ACCOUNT ID or TOKEN missing!')
|
|
||||||
process.exit(-1);
|
|
||||||
}
|
|
||||||
const client = new twilio.RestClient(accountSid, authToken)
|
|
||||||
|
|
||||||
const kvadrataMax = 45
|
|
||||||
const url = `http://www.olx.ba/pretraga?id=23&kategorija=23&stranica=1&stanje=0&vrstapregleda=tabela&sort_order=desc&sort_po=datum&kanton=9&grad%5B%5D=3812&grad%5B%5D=5896&vrsta=samoprodaja&kvadrata_max=${kvadrataMax}`;
|
|
||||||
|
|
||||||
|
|
||||||
let data = {}
|
|
||||||
|
|
||||||
const receivers = ['+38761909238', '+38761818304'];
|
|
||||||
|
|
||||||
const sendSMSmessages = (url, price) => {
|
|
||||||
receivers.forEach(receiver => {
|
|
||||||
client.messages.create({
|
|
||||||
body: `Na piku je izasao interesantan stan: ${url} - Cijena: ${price}`,
|
|
||||||
to: receiver,
|
|
||||||
from: '+12034335458'
|
|
||||||
}, (err, message) => {
|
|
||||||
if (!err) {
|
|
||||||
console.log("Message sent to: ", receiver, message.sid);
|
|
||||||
} else {
|
|
||||||
console.log("Error while sending SMS to: ", receiver, err);
|
|
||||||
}
|
|
||||||
})
|
|
||||||
})
|
|
||||||
}
|
|
||||||
|
|
||||||
const start = () => {
|
|
||||||
data = jsonfile.readFileSync('stanovi.json')
|
|
||||||
console.log("Stanovi data successfully read: ", Object.keys(data).length, " objects")
|
|
||||||
setInterval(async () => {
|
|
||||||
|
|
||||||
console.log("doing");
|
|
||||||
const res = await fetch(url);
|
|
||||||
const body = await res.text();
|
|
||||||
|
|
||||||
const $ = cheerio.load(body)
|
|
||||||
let shouldSave = false
|
|
||||||
$('#rezultatipretrage').find('.listitem').each((i, elem) => {
|
|
||||||
const id = $(elem).find('a').first().attr('href')
|
|
||||||
if (!data[id]) {
|
|
||||||
const cijena = $(elem).find(".cijena > .datum > span").first().text()
|
|
||||||
console.log('First time seen: ', id)
|
|
||||||
data[id] = {
|
|
||||||
seen: new Date(),
|
|
||||||
price: cijena
|
|
||||||
}
|
|
||||||
shouldSave = true
|
|
||||||
|
|
||||||
sendSMSmessages(id, cijena);
|
|
||||||
}
|
|
||||||
|
|
||||||
})
|
|
||||||
|
|
||||||
if (shouldSave) {
|
|
||||||
console.log("Syncing to the file...")
|
|
||||||
jsonfile.writeFileSync('stanovi.json', data)
|
|
||||||
}
|
|
||||||
}, 60000);
|
|
||||||
|
|
||||||
}
|
|
||||||
start()
|
|
||||||
|
|
||||||
124
crawler/olx.js
124
crawler/olx.js
@@ -1,124 +0,0 @@
|
|||||||
'use strict'
|
|
||||||
|
|
||||||
let fetch = require('node-fetch');
|
|
||||||
let jsonfile = require('jsonfile');
|
|
||||||
let cheerio = require('cheerio');
|
|
||||||
let fs = require('fs');
|
|
||||||
|
|
||||||
const pagesToTake = 10;
|
|
||||||
|
|
||||||
async function indexSingle(url) {
|
|
||||||
try {
|
|
||||||
const res = await fetch(url);
|
|
||||||
const body = await res.text();
|
|
||||||
const $ = cheerio.load(body);
|
|
||||||
|
|
||||||
const title = $('#naslovartikla').text();
|
|
||||||
const price = $('#pc > p:nth-child(2)').text();
|
|
||||||
const size = $('#dodatnapolja1 > div:nth-child(1) > div.df2').text();
|
|
||||||
const rooms = $('#dodatnapolja1 > div:nth-child(2) > div.df2').text();
|
|
||||||
const address = $('#dodatnapolja1 > div:nth-child(5) > div.df2').text();
|
|
||||||
const location = $('#artikal_glavni_div > div.artikal_lijevo > div.op.pop.mobile-lokacija').attr('data-content');
|
|
||||||
|
|
||||||
const adType = $('#artikal_glavni_div > div.artikal_lijevo > div:nth-child(15) > div:nth-child(2) > div.df2').text();
|
|
||||||
const time = $('time').attr('datetime');
|
|
||||||
const olxId = $('#artikal_glavni_div > div.artikal_lijevo > div:nth-child(15) > div:nth-child(4) > div.df2').text();
|
|
||||||
|
|
||||||
const descriptions = $('.artikal_detaljniopis_tekst');
|
|
||||||
const latLngRe = /LatLng\(([0-9]+\.[0-9]+)\,\s+([0-9]+\.[0-9]+)\)/g;
|
|
||||||
const imgRe = /href":("[^"]*")/g;
|
|
||||||
const matches = latLngRe.exec(body);
|
|
||||||
let lng = '',
|
|
||||||
lat = '';
|
|
||||||
|
|
||||||
const images = [];
|
|
||||||
const imgMatches = body.match(imgRe);
|
|
||||||
|
|
||||||
console.log(imgMatches);
|
|
||||||
for(let i = 0; imgMatches && i < imgMatches.length; i++) {
|
|
||||||
let img = imgMatches[i].replace("href\":", "")
|
|
||||||
img = img.replace("\"", "");
|
|
||||||
img = img.replace("\"", "");
|
|
||||||
images.push(img);
|
|
||||||
}
|
|
||||||
|
|
||||||
if (matches && matches.length >= 3) {
|
|
||||||
lat = matches[1];
|
|
||||||
lng = matches[2];
|
|
||||||
}
|
|
||||||
|
|
||||||
const data = {
|
|
||||||
title,
|
|
||||||
price,
|
|
||||||
size,
|
|
||||||
rooms,
|
|
||||||
address,
|
|
||||||
location,
|
|
||||||
adType,
|
|
||||||
time,
|
|
||||||
olxId,
|
|
||||||
shortDescription: descriptions.first().text(),
|
|
||||||
longDescription: descriptions.last().text(),
|
|
||||||
lat,
|
|
||||||
lng,
|
|
||||||
images
|
|
||||||
};
|
|
||||||
|
|
||||||
return data;
|
|
||||||
} catch(e) {
|
|
||||||
console.error('Exception caught: ' + e);
|
|
||||||
}
|
|
||||||
|
|
||||||
return null;
|
|
||||||
}
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
async function indexPage(pageNr) {
|
|
||||||
try {
|
|
||||||
console.log('Starting to index page: ' + pageNr);
|
|
||||||
const url = `http://www.olx.ba/pretraga?vrsta=samoizdavanje&sort_order=desc&kategorija=23&sort_po=datum&kanton=9&stranica=${pageNr}`;
|
|
||||||
|
|
||||||
const res = await fetch(url);
|
|
||||||
const body = await res.text();
|
|
||||||
const $ = cheerio.load(body);
|
|
||||||
const hrefs = [];
|
|
||||||
const results = {};
|
|
||||||
|
|
||||||
$('#rezultatipretrage').find('.listitem').each((i, elem) => {
|
|
||||||
const href = $(elem).find('a').first().attr('href');
|
|
||||||
hrefs.push(href);
|
|
||||||
});
|
|
||||||
|
|
||||||
for(let i = 0; i < hrefs.length; i++) {
|
|
||||||
console.log(`indexing: ${hrefs[i]}`);
|
|
||||||
|
|
||||||
const singleData = await indexSingle(hrefs[i]);
|
|
||||||
|
|
||||||
if (singleData) {
|
|
||||||
results[hrefs[i]] = singleData;
|
|
||||||
}
|
|
||||||
await sleep(500);
|
|
||||||
}
|
|
||||||
|
|
||||||
jsonfile.writeFileSync(`izdavanje-sarajevo-page-${pageNr}.json`, results);
|
|
||||||
} catch(e) {
|
|
||||||
console.error('Exception caught:' + e);
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
|
|
||||||
function sleep(ms) {
|
|
||||||
return new Promise(resolve => setTimeout(resolve, ms));
|
|
||||||
}
|
|
||||||
|
|
||||||
async function indexPages(start, end) {
|
|
||||||
for(let i = start; i <= end; i++) {
|
|
||||||
await indexPage(i);
|
|
||||||
sleep(5000);
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
indexPages(8, 10);
|
|
||||||
|
|
||||||
//indexSingle('http://www.olx.ba/artikal/23198642/trosoban-stan-centar-josipa-vancasa/');
|
|
||||||
@@ -1,20 +1,32 @@
|
|||||||
{
|
{
|
||||||
"name": "stan",
|
"name": "stan",
|
||||||
"version": "1.0.0",
|
"version": "1.0.0",
|
||||||
"description": "",
|
"description": "",
|
||||||
"main": "index.js",
|
"main": "index.js",
|
||||||
"dependencies": {
|
"dependencies": {
|
||||||
"babel-plugin-transform-async-to-generator": "^6.16.0",
|
"babel": "^6.5.2",
|
||||||
"cheerio": "^0.22.0",
|
"babel-core": "^6.18.2",
|
||||||
"fetch": "^1.1.0",
|
"babel-loader": "^6.2.7",
|
||||||
"jsonfile": "^2.4.0",
|
"babel-plugin-transform-async-to-generator": "^6.16.0",
|
||||||
"node-fetch": "^1.6.3",
|
"babel-polyfill": "^6.16.0",
|
||||||
"twilio": "^2.11.0"
|
"babel-preset-es2015": "^6.18.0",
|
||||||
},
|
"cheerio": "^0.22.0",
|
||||||
"devDependencies": {},
|
"dotenv": "^2.0.0",
|
||||||
"scripts": {
|
"fetch": "^1.1.0",
|
||||||
"test": "echo \"Error: no test specified\" && exit 1"
|
"json-loader": "^0.5.4",
|
||||||
},
|
"mongodb": "^2.2.11",
|
||||||
"author": "",
|
"node-fetch": "^1.6.3",
|
||||||
"license": "ISC"
|
"source-map-support": "^0.4.6",
|
||||||
|
"twilio": "^2.11.0"
|
||||||
|
},
|
||||||
|
"devDependencies": {
|
||||||
|
"webpack": "^1.13.3"
|
||||||
|
},
|
||||||
|
"scripts": {
|
||||||
|
"dev": "webpack",
|
||||||
|
"prod": "webpack -p",
|
||||||
|
"test": "echo \"Error: no test specified\" && exit 1"
|
||||||
|
},
|
||||||
|
"author": "",
|
||||||
|
"license": "ISC"
|
||||||
}
|
}
|
||||||
|
|||||||
58
crawler/savers/mongo.js
Normal file
58
crawler/savers/mongo.js
Normal file
@@ -0,0 +1,58 @@
|
|||||||
|
import MongoClient from 'mongodb';
|
||||||
|
|
||||||
|
export default class MongoSaver {
|
||||||
|
|
||||||
|
constructor(url) {
|
||||||
|
this.url = url;
|
||||||
|
}
|
||||||
|
|
||||||
|
connect() {
|
||||||
|
let saver = this;
|
||||||
|
return new Promise((resolve, reject) => {
|
||||||
|
if (!saver.ready) {
|
||||||
|
MongoClient.connect(saver.url, (err, db) => {
|
||||||
|
if (err) {
|
||||||
|
console.log('Unable to connect to the mongoDB server. Error:', err);
|
||||||
|
reject(err);
|
||||||
|
} else {
|
||||||
|
console.log('Connection established to', url);
|
||||||
|
saver.db = db;
|
||||||
|
saver.collection = db.collection('results');
|
||||||
|
saver.ready = true;
|
||||||
|
resolve();
|
||||||
|
}
|
||||||
|
});
|
||||||
|
} else {
|
||||||
|
resolve();
|
||||||
|
}
|
||||||
|
});
|
||||||
|
}
|
||||||
|
|
||||||
|
save(results) {
|
||||||
|
let resultsForMongo = Object.keys(results).map((key) => {
|
||||||
|
return results[key]
|
||||||
|
});
|
||||||
|
this.collection.insert(resultsForMongo);
|
||||||
|
}
|
||||||
|
|
||||||
|
async close() {
|
||||||
|
try {
|
||||||
|
//Close connection
|
||||||
|
await this.disconnect();
|
||||||
|
} catch (e) {
|
||||||
|
console.log("error closing", e);
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
async disconnect() {
|
||||||
|
return new Promise((resolve, reject) => {
|
||||||
|
this.db.close();
|
||||||
|
resolve();
|
||||||
|
});
|
||||||
|
}
|
||||||
|
|
||||||
|
async open() {
|
||||||
|
await this.connect();
|
||||||
|
}
|
||||||
|
|
||||||
|
}
|
||||||
@@ -1,10 +1,24 @@
|
|||||||
'use strict';
|
'use strict'
|
||||||
|
|
||||||
let indexSingle = (() => {
|
let fetch = require('node-fetch');
|
||||||
var _ref = _asyncToGenerator(function* (url) {
|
let cheerio = require('cheerio');
|
||||||
|
let fs = require('fs');
|
||||||
|
|
||||||
|
|
||||||
|
const pagesToTake = 10;
|
||||||
|
|
||||||
|
export default class OlxCrawler {
|
||||||
|
|
||||||
|
constructor(fromPage = 0, toPage = 10, maxResults = 1000) {
|
||||||
|
this.fromPage = fromPage;
|
||||||
|
this.toPage = toPage;
|
||||||
|
this.maxResults = maxResults;
|
||||||
|
}
|
||||||
|
|
||||||
|
async indexSingle(url) {
|
||||||
try {
|
try {
|
||||||
const res = yield fetch(url);
|
const res = await fetch(url);
|
||||||
const body = yield res.text();
|
const body = await res.text();
|
||||||
const $ = cheerio.load(body);
|
const $ = cheerio.load(body);
|
||||||
|
|
||||||
const title = $('#naslovartikla').text();
|
const title = $('#naslovartikla').text();
|
||||||
@@ -21,17 +35,15 @@ let indexSingle = (() => {
|
|||||||
const descriptions = $('.artikal_detaljniopis_tekst');
|
const descriptions = $('.artikal_detaljniopis_tekst');
|
||||||
const latLngRe = /LatLng\(([0-9]+\.[0-9]+)\,\s+([0-9]+\.[0-9]+)\)/g;
|
const latLngRe = /LatLng\(([0-9]+\.[0-9]+)\,\s+([0-9]+\.[0-9]+)\)/g;
|
||||||
const imgRe = /href":("[^"]*")/g;
|
const imgRe = /href":("[^"]*")/g;
|
||||||
//href":("[^"]*")]")"
|
|
||||||
const matches = latLngRe.exec(body);
|
const matches = latLngRe.exec(body);
|
||||||
let lng = '',
|
let lng = '',
|
||||||
lat = '';
|
lat = '';
|
||||||
|
|
||||||
const images = [];
|
const images = [];
|
||||||
const imgMatches = body.match(imgRe); //imgRe.exec(body);
|
const imgMatches = body.match(imgRe);
|
||||||
|
|
||||||
console.log(imgMatches);
|
|
||||||
for (let i = 0; imgMatches && i < imgMatches.length; i++) {
|
for (let i = 0; imgMatches && i < imgMatches.length; i++) {
|
||||||
let img = imgMatches[i].replace("href\":", "");
|
let img = imgMatches[i].replace("href\":", "")
|
||||||
img = img.replace("\"", "");
|
img = img.replace("\"", "");
|
||||||
img = img.replace("\"", "");
|
img = img.replace("\"", "");
|
||||||
images.push(img);
|
images.push(img);
|
||||||
@@ -43,6 +55,7 @@ let indexSingle = (() => {
|
|||||||
}
|
}
|
||||||
|
|
||||||
const data = {
|
const data = {
|
||||||
|
url,
|
||||||
title,
|
title,
|
||||||
price,
|
price,
|
||||||
size,
|
size,
|
||||||
@@ -59,89 +72,68 @@ let indexSingle = (() => {
|
|||||||
images
|
images
|
||||||
};
|
};
|
||||||
|
|
||||||
console.log(data);
|
|
||||||
return data;
|
return data;
|
||||||
} catch (e) {
|
} catch (e) {
|
||||||
console.error('Exception caught: ' + e);
|
console.error('Exception caught: ' + e);
|
||||||
}
|
}
|
||||||
|
|
||||||
return null;
|
return null;
|
||||||
});
|
}
|
||||||
|
|
||||||
return function indexSingle(_x) {
|
async indexPage(pageNr, maxResults = 1000) {
|
||||||
return _ref.apply(this, arguments);
|
|
||||||
};
|
|
||||||
})();
|
|
||||||
|
|
||||||
let indexPage = (() => {
|
|
||||||
var _ref2 = _asyncToGenerator(function* (pageNr) {
|
|
||||||
try {
|
try {
|
||||||
console.log('Starting to index page: ' + pageNr);
|
console.log('Starting to index page: ' + pageNr);
|
||||||
const url = `http://www.olx.ba/pretraga?vrsta=samoizdavanje&sort_order=desc&kategorija=23&sort_po=datum&kanton=9&stranica=${ pageNr }`;
|
const url = `http://www.olx.ba/pretraga?vrsta=samoizdavanje&sort_order=desc&kategorija=23&sort_po=datum&kanton=9&stranica=${pageNr}`;
|
||||||
|
|
||||||
const res = yield fetch(url);
|
const res = await fetch(url);
|
||||||
const body = yield res.text();
|
const body = await res.text();
|
||||||
const $ = cheerio.load(body);
|
const $ = cheerio.load(body);
|
||||||
const hrefs = [];
|
const hrefs = [];
|
||||||
const results = {};
|
const results = {};
|
||||||
|
|
||||||
$('#rezultatipretrage').find('.listitem').each(function (i, elem) {
|
$('#rezultatipretrage').find('.listitem').each((i, elem) => {
|
||||||
const href = $(elem).find('a').first().attr('href');
|
const href = $(elem).find('a').first().attr('href');
|
||||||
hrefs.push(href);
|
hrefs.push(href);
|
||||||
});
|
});
|
||||||
|
|
||||||
console.log('number to index: ' + hrefs.length);
|
let actualNoOfResults = (hrefs.length <= maxResults) ? hrefs.length : maxResults;
|
||||||
for (let i = 0; i < hrefs.length; i++) {
|
|
||||||
console.log(`indexing: ${ hrefs[i] }`);
|
|
||||||
|
|
||||||
const singleData = yield indexSingle(hrefs[i]);
|
for (let i = 0; i < actualNoOfResults; i++) {
|
||||||
|
console.log(`indexing: ${hrefs[i]}`);
|
||||||
|
|
||||||
|
const singleData = await this.indexSingle(hrefs[i]);
|
||||||
|
|
||||||
if (singleData) {
|
if (singleData) {
|
||||||
results[hrefs[i]] = singleData;
|
results[hrefs[i]] = singleData;
|
||||||
}
|
}
|
||||||
yield sleep(500);
|
await this.sleep(500);
|
||||||
}
|
}
|
||||||
|
|
||||||
jsonfile.writeFileSync(`izdavanje-sarajevo-page-${ pageNr }.json`, results);
|
return results;
|
||||||
} catch (e) {
|
} catch (e) {
|
||||||
console.error('Exception caught:' + e);
|
console.error('Exception caught:' + e);
|
||||||
}
|
}
|
||||||
});
|
}
|
||||||
|
|
||||||
return function indexPage(_x2) {
|
async sleep(ms) {
|
||||||
return _ref2.apply(this, arguments);
|
return new Promise(resolve => setTimeout(resolve, ms));
|
||||||
};
|
}
|
||||||
})();
|
|
||||||
|
|
||||||
let indexPages = (() => {
|
async indexPages(start, end, maxResults = 1000) {
|
||||||
var _ref3 = _asyncToGenerator(function* (start, end) {
|
let results = {};
|
||||||
for (let i = start; i <= end; i++) {
|
for (let i = start; i <= end; i++) {
|
||||||
console.log('Start page: ', i);
|
let result = await this.indexPage(i, numberOfResults);
|
||||||
yield indexPage(i);
|
Object.assign(results, result)
|
||||||
console.log('Done with page!');
|
await this.sleep(5000);
|
||||||
sleep(5000);
|
|
||||||
}
|
}
|
||||||
});
|
return results;
|
||||||
|
}
|
||||||
|
|
||||||
return function indexPages(_x3, _x4) {
|
async crawl() {
|
||||||
return _ref3.apply(this, arguments);
|
let results = await this.indexPages(this.fromPage, this.toPage, this.maxResults);
|
||||||
};
|
return results;
|
||||||
})();
|
}
|
||||||
|
|
||||||
function _asyncToGenerator(fn) { return function () { var gen = fn.apply(this, arguments); return new Promise(function (resolve, reject) { function step(key, arg) { try { var info = gen[key](arg); var value = info.value; } catch (error) { reject(error); return; } if (info.done) { resolve(value); } else { return Promise.resolve(value).then(function (value) { step("next", value); }, function (err) { step("throw", err); }); } } return step("next"); }); }; }
|
|
||||||
|
|
||||||
let fetch = require('node-fetch');
|
|
||||||
let jsonfile = require('jsonfile');
|
|
||||||
let cheerio = require('cheerio');
|
|
||||||
let fs = require('fs');
|
|
||||||
|
|
||||||
const pagesToTake = 10;
|
|
||||||
|
|
||||||
function sleep(ms) {
|
|
||||||
return new Promise(resolve => setTimeout(resolve, ms));
|
|
||||||
}
|
}
|
||||||
|
|
||||||
indexPages(8, 10);
|
|
||||||
|
|
||||||
//indexSingle('http://www.olx.ba/artikal/23198642/trosoban-stan-centar-josipa-vancasa/');
|
//indexSingle('http://www.olx.ba/artikal/23198642/trosoban-stan-centar-josipa-vancasa/');
|
||||||
|
|
||||||
23
crawler/webpack.config.js
Normal file
23
crawler/webpack.config.js
Normal file
@@ -0,0 +1,23 @@
|
|||||||
|
module.exports = {
|
||||||
|
entry: ['babel-polyfill', './crawl.js'],
|
||||||
|
target: 'node',
|
||||||
|
|
||||||
|
output: {
|
||||||
|
path: __dirname + "/build",
|
||||||
|
filename: "crawler.js",
|
||||||
|
devtool: 'source-map'
|
||||||
|
},
|
||||||
|
module: {
|
||||||
|
|
||||||
|
loaders: [{
|
||||||
|
test: /.js?$/,
|
||||||
|
loader: 'babel-loader',
|
||||||
|
exclude: /node_modules/,
|
||||||
|
presets: ['es2015'],
|
||||||
|
plugins: ['transform-async-to-generator']
|
||||||
|
}, {
|
||||||
|
test: /.json?$/,
|
||||||
|
loader: 'json-loader',
|
||||||
|
}]
|
||||||
|
}
|
||||||
|
}
|
||||||
1528
crawler/yarn.lock
1528
crawler/yarn.lock
File diff suppressed because it is too large
Load Diff
27
npm-debug.log
Normal file
27
npm-debug.log
Normal file
@@ -0,0 +1,27 @@
|
|||||||
|
0 info it worked if it ends with ok
|
||||||
|
1 verbose cli [ '/home/senadu/.nvm/versions/node/v5.4.1/bin/node',
|
||||||
|
1 verbose cli '/home/senadu/.nvm/versions/node/v5.4.1/bin/npm',
|
||||||
|
1 verbose cli 'run',
|
||||||
|
1 verbose cli 'dev' ]
|
||||||
|
2 info using npm@3.3.12
|
||||||
|
3 info using node@v5.4.1
|
||||||
|
4 verbose config Skipping project config: /home/senadu/.npmrc. (matches userconfig)
|
||||||
|
5 verbose stack Error: missing script: dev
|
||||||
|
5 verbose stack at run (/home/senadu/.nvm/versions/node/v5.4.1/lib/node_modules/npm/lib/run-script.js:147:19)
|
||||||
|
5 verbose stack at /home/senadu/.nvm/versions/node/v5.4.1/lib/node_modules/npm/lib/run-script.js:57:5
|
||||||
|
5 verbose stack at /home/senadu/.nvm/versions/node/v5.4.1/lib/node_modules/npm/node_modules/read-package-json/read-json.js:345:5
|
||||||
|
5 verbose stack at checkBinReferences_ (/home/senadu/.nvm/versions/node/v5.4.1/lib/node_modules/npm/node_modules/read-package-json/read-json.js:309:45)
|
||||||
|
5 verbose stack at final (/home/senadu/.nvm/versions/node/v5.4.1/lib/node_modules/npm/node_modules/read-package-json/read-json.js:343:3)
|
||||||
|
5 verbose stack at then (/home/senadu/.nvm/versions/node/v5.4.1/lib/node_modules/npm/node_modules/read-package-json/read-json.js:113:5)
|
||||||
|
5 verbose stack at ReadFileContext.<anonymous> (/home/senadu/.nvm/versions/node/v5.4.1/lib/node_modules/npm/node_modules/read-package-json/read-json.js:284:20)
|
||||||
|
5 verbose stack at ReadFileContext.callback (/home/senadu/.nvm/versions/node/v5.4.1/lib/node_modules/npm/node_modules/graceful-fs/graceful-fs.js:76:16)
|
||||||
|
5 verbose stack at FSReqWrap.readFileAfterOpen [as oncomplete] (fs.js:324:13)
|
||||||
|
6 verbose cwd /home/senadu/projects/saburly/kivi
|
||||||
|
7 error Linux 4.4.0-45-generic
|
||||||
|
8 error argv "/home/senadu/.nvm/versions/node/v5.4.1/bin/node" "/home/senadu/.nvm/versions/node/v5.4.1/bin/npm" "run" "dev"
|
||||||
|
9 error node v5.4.1
|
||||||
|
10 error npm v3.3.12
|
||||||
|
11 error missing script: dev
|
||||||
|
12 error If you need help, you may report this error at:
|
||||||
|
12 error <https://github.com/npm/npm/issues>
|
||||||
|
13 verbose exit [ 1, true ]
|
||||||
964
web/yarn.lock
964
web/yarn.lock
File diff suppressed because it is too large
Load Diff
Reference in New Issue
Block a user