基于Electon的图片采集工具是怎样的
基于Electon的图片采集工具是怎样的
基于Electon的图片采集工具是怎样的，针对这个问题，这篇文章详细介绍了相对应的分析和解答，希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。
工具的界面是这样的，上面是一些导出数据，提交到服务器的操作，还有输入URL的输入框，下面主要是爬取结果的呈现区域。
技术架构：
Electron＋Nodejs
1
实现思路：
1.1 监听webview事件，注入js代码
利用electron的webContents，监听需要获取图片的网页，当网页加载完成，促发‘dom-ready’事件，然后在网页中注入JS代码。
主要用了这个api：
webContents.executeJavaScript(code[,userGesture,callback])
如：
win.webContents.on('dom-ready', () => {
win.webContents.executeJavaScript(code[,userGesture,callback])
})；
1.2 遍历HTML中的图片URL
这里要注意，有很多网站把图片写到了background-image里，而不是用img标签。所以得2者结合。
获取所有img标签的图片：
body.images
获取background-image的图片，这个需要用到window.getComputedStyle，通过css属性来获取。
window.getComputedStyle("元素","伪类");
vardom=document.getElementById("test"),style=window.getComputedStyle(dom,":after");
1.3 返回获取的结果
electron往webview中注入的代码可以通过return返回，
也可以通过在注入代码中写入：
electron.remote.getGlobal(‘webWin').webContents.send('autoChat',res);
在渲染进程中，通过：
electron.ipcRenderer.on('autoChat',(e,result)=>{
console.log(result,'ipc');
});
接收结果。
2
一些经验心得：
2.1 ES6的模板字符串template strings
electron 支持ES6,ES6引入了一种新型的字符串字面量语法，我们称之为模板字符串。
varcode=``;
除了使用反撇号字符 ` 代替普通字符串的引号 ' 或 " 外，它们看起来与普通字符串并无二致。在最简单的情况下，它们与普通字符串的表现一致：
varcode="vardom=document.get......"
与普通字符串不同的是，模板字符串可以多行书写：
var code=`
var dom=document......
function getURL(){
let v=.....
}
`;
非常适合写注入的js代码哈～
2.2 electron的加密
由于electron打包后的程序都是直接暴露源代码的，就在resources文件夹里的app文件夹。
我们可以借助asar，加密我们的源代码
全局安装：
npminstall-gasar
把resources里的app文件夹打包为app.asar
asarpack./appapp.asar
发现个坑，通过asar加密后的node_modules中有些库引用不了，所以我调整了下打包方式，把node_modules跟我的代码分开存放，比如
./js/
./page/index.html
./css/
./main.js
./node_modules/
./app/spider/js/
./app/spider/css/
./app/spider/page/index.html
./app/node_modules/
./app/main.js
把spider文件夹整体打包为spider.asar，这样的话需要在package.json中改下：
“main":“./spider.asar/main.js",
就可以正常引用node_modules里的库了。
3
基于图片的功能拓展
图片抓取到后，我们可以基于图片做一些拓展功能。
比如：
3.1 保存所有图片到本地
碰到一个很好的素材网站，想一口气全部图片下载下来，可以用到这个功能，这个比较简单，用一个nodejs的库image-downloader，把url全部下载下来即可。
3.2 分析图片的主色调
这里用到另一个nodejs库，node-vibrant，可以提取出图片的主要颜色，还有百分比。我们可以把bahance上最近半年比较热门的项目的图片取下来，然后分析她们的颜色，做一个色彩趋势报告。
3.3 图片素材库
作为我最近做的人工智能设计师
DIY一个人工智能设计师_v0.0.1
的图片素材库。这个时候要增加一个标记内容，就是自动识别图片的内容，作为图片的关键词，以方便人工智能设计师进行智能匹配。这边可以调用clarifai的图像识别api：
安装
//通过NPM安装clarifai SDK
npm install clarifai
Nodejs使用clarifai
//初始化
const Clarifai = require('clarifai');
var app = new Clarifai.App(
'xxxxxG1MIAGH9RRJ4YSV410paPZWhfTpOeerEb',
'KFxxxxxbAwo8aIZ3SRAJO0IJq-CtLQUj9Ph7mt' );
识别
//通过上传一个图片的URL，识别图片的内容
app.models.predict(Clarifai.GENERAL_MODEL,
'https://samples.clarifai.com/metro-north.jpg').then(
function(response) {
console.log(response);
},function(err) {
console.error(err);
});
识别效果可以见上图中的标签部分，我就是通过这个api自动打标签的。
关于基于Electon的图片采集工具是怎样的问题的解答就分享到这里了，希望以上内容可以对大家有一定的帮助，如果你还有很多疑惑没有解开，可以关注恰卡编程网行业资讯频道了解更多相关知识。
