node crawler如何添加promise支持

背景

最近在组内做一些爬虫相关的工作，本来想自己简单造个轮子的，但是经网友推荐后，采用了node-crawler，用了一段时间过后，确实满足了我的绝大部分需求，但是其 api 却不支持 promise，而且我还需要一些同步爬取、同步处理的能力，如果不用 promise 的话，写法很不优雅，所以我就简单地给其封装了一层 promise api

现状

目前 node-crawler 的使用方式不支持 promise ，这里直接给出 npm 上的使用例子

const Crawler = require("crawler")// 实例化const c = new Crawler({  // ... 可以传入一些配置  callback : function (error, res, done) {    // 请求回调，实例化的时候传入的 callback 是作为默认 callback 的，后续每次抓取如果没有传入 callback，那么都会调用默认 callback    done();  }})// 爬取c.queue([{  uri: 'http://parishackers.org/',  jQuery: false,   // The global callback won't be called  callback: function (error, res, done) {    if(error){      console.log(error);    }else{      console.log('Grabbed', res.body.length, 'bytes');    }    done();  }}])

这样的回调方式对于多爬虫同步爬取很不友好

改造

理想使用方式：

const Crawler = require('crawler')const c = new Crawler({  // 一些默认配置})c.queue({  uri: 'xxx'}).then(res => {  // 抓取成功}).catch(err => {  // 抓取失败})

改造方案：

// utils/crawler.jsconst Crawler = require('crawler')const defaultOptions = { jQuery: false, rateLimit: fetchRateLimit, retries: 0, timeout: fetchTimeout,}module.exports = class PromiseifyCrawler extends Crawler {  // namespace 是为了后续抓取结果统一上报时候进行区分  constructor(namespace = 'unknow', options = {}) {   if (typeof namespace === 'object') {    options = namespace    namespace = 'unknow'   }      options = merge({}, defaultOptions, options)   const cb = options.callback   options.callback = (err, res, done) => {    typeof cb === 'function' && cb(err, res, noop)    process.nextTick(done)    // 在这里可以自定义抓取成功还是失败    // 我这里直接设置的是如果 http code 不是 200 就视为错误    // 而且在这里也可以做一些抓取成功失败的统计    if (err || res.statusCode !== 200) {     if (!err) err = new Error(`${res.statusCode}-${res.statusMessage}`)     err.options = res.options     err.options.npolisReject(err)    } else {     res.options.npolisResolve(res)    }   }   options.headers = Object.assign({}, options.headers, {    'X-Requested-With': 'XMLHttpRequest',   })   super(options)  }   queue(options = {}) {   // 每次抓取都是一个新的 promise   return new Promise((resolve, reject) => {    // 然后在 options 里挂载上 resolve 和 reject    // 这样在全局 callback 上就可以用到了    options.npolisResolve = resolve    options.npolisReject = reject    const pr = options.preRequest    options.preRequest = (options, done) => {     typeof pr === 'function' && pr(options, noop)     // 在这里也可以做一些通用的抓取前的处理          done()    }    super.queue(options)   })  }    // direct api 同理 }// 使用const Crawler = require('./utils/crawler')const crawler = new Crawler('示例爬虫 namespace')crawler.queue({ uri: 'xxx', preRequest: options => log('开始抓取'),}).then(res => { log('爬取成功') return res}).catch(err => { log('爬取失败') throw err})promise 化后，多个爬取任务同步爬取写法就友好多了：// 抓取任务1const fetchTask1 = () => crawler.queue({/* 配置 */}).then(res => handle(res))// 抓取任务2const fetchTask2 = () => crawler.queue({/* 配置 */}).then(res => handle(res))const fetch = () => {  return Promise.all([    fetchTask1(),    fetchTask2(),  ])}fetch()