年末年始暇ですね。

暇つぶしに何か作ろうと思ったんですが、何も思いつかず。。。
普段AngularやNestJSでTypescriptばっかり書いてますが、たまにはJavascriptでも書いてみようと思いました。

とりあえずWebページのスクレイピングってやったことないからJavascriptで書いてみるかーということでしょうもないツールを作ってみました。

作ったもの

WebページのURLを指定すると、そのページ内のimgタグの写真をすべてダウンロードするコマンドラインツールです
img-downloader

使い方

nodeコマンドでimg-downloader.jsを実行します
引数に対象のWebページURLを指定します

npm install
node img-downloader.js {web-page-url}

結果

output/{YYYYMMDDhhmmss}ディレクトリに画像が出力されます

実行例

以下のページから画像を取得してみます
https://www.irasutoya.com/2018/12/blog-post_676.html

node img-downloader https://www.irasutoya.com/2018/12/blog-post_676.html

↓　実行

　↓　出力

指定したページ内の全画像をとってくるので、ロゴやバナーの画像なんかの意図しない画像も取れてしまうのが難点です。。。

技術的な話

すごいシンプルなJavascriptで書いてます。
ほんとはスクレイピングも自前でやろうかと思ったんですが、めんどくさくなってscraperjs使っちゃいました。。

使ってるパッケージ

fs
- ファイルの入出力用パッケージ
request
- HTTPリクエスト用パッケージ
scraperjs
- Webページのスクレイピング用パッケージ

スクレイピング

scraperjsを扱うためのUtilクラスを作りました。
getTargetImgURl()で指定URLからimgタグのsrc属性をピックアップします。

utils/scraper.util.js

classScraperUtil{getTargetImgUrl(pageUrl){returnthis.scrape(pageUrl,($)=>{return$('img').map(function(){return$(this).attr('src');}).get();});}scrape(pageUrl,fnScraping){returnnewPromise((resolve,reject)=>{scraperjs.StaticScraper.create(pageUrl).scrape(($)=>fnScraping($)).then(items=>resolve(items)).catch(err=>reject(err));});}}

簡単にスクレイピングできて良いですね。

画像のダウンロード

src属性に指定された値によってダウンロード方法が変わります

URLの場合

requestパッケージで画像データをGET
GETしたデータをfsパッケージのwriteFileSyncでファイル出力
- ファイル名はURLから取得

BASE64データの場合

data:image/xxx～で始まる文字列の場合、BASE64データが指定されていると判断し、以下のように出力しています。

str.match()でdata:image/xxxx;base64,を抽出
上記で抽出した文字列を除いた文字列（画像データ）をBASE64デコード
- ブラウザ上でないとwindow.atobは使えないため、Bufferを使ってデコードしています
fsパッケージのwriteFileSyncでファイル出力
- ファイル名はraw{cnt}.{type}で出力
- typeは上記で抽出した文字列の画像タイプ（xxxxの部分）を指定

最後に

休みボケの中で適当に書いているため、突っ込みどころ満載なコードになってしまいましたが、良い暇つぶしになりました。

Typescriptだと型とかきっちりしてて書いてる途中でエラーに気付けますが、Javascriptだと実行してようやく気付くことが多いので、久々だと意外と難しいですね（笑）

（追記）
Googleの画像検索の結果一括保存したかったのにできてないので、気が向いたらアップデートしていこうかと思います。