上一篇文章《手把手教你如何用Crawlab构建技术文章聚合平台(一)》介绍了如何使用搭建Crawlab的运行环境，并且将Puppeteer与Crawlab集成，对掘金、SegmentFault、CSDN进行技术文章的抓取，最后可以查看抓取结果。本篇文章将继续讲解如何利用Flask＋Vue编写一个精简的聚合平台，将抓取好的文章内容展示出来。
文章内容爬虫
首先，我们需要对爬虫部分做点小小的补充。上篇文章中我们只编写了抓取文章URL的爬虫，我们还需要抓取文章内容，因此还需要将这部分爬虫编写了。上次爬虫的结果collection全部更改为results，文章的内容将以content字段保存在数据库中。
经分析知道每个技术网站的文章页都有一个固定标签，将该标签下的HTML全部抓取下来就OK了。具体代码分析就不展开了，这里贴出具体代码。
const puppeteer = require('puppeteer');
const MongoClient = require('mongodb').MongoClient;
(async () => {
// browser
const browser = await (puppeteer.launch({
headless: true
}));
// page
const page = await browser.newPage();
// open database connection
const client = await MongoClient.connect('mongodb://192.168.99.100:27017');
let db = await client.db('crawlab_test');
const colName = process.env.CRAWLAB_COLLECTION || 'results';
const col = db.collection(colName);
const col_src = db.collection('results');
const results = await col_src.find({content: {$exists: false}}).toArray();
for (let i = 0; i < results.length; i++) {
let item = results[i];
// define article anchor
let anchor;
if (item.source === 'juejin') {
anchor = '.article-content';
} else if (item.source === 'segmentfault') {
anchor = '.article';
} else if (item.source === 'csdn') {
anchor = '#content_views';
} else {
continue;
}
console.log(`anchor: ${anchor}`);
// navigate to the article
try {
await page.goto(item.url, {waitUntil: 'domcontentloaded'});
await page.waitFor(2000);
} catch (e) {
console.error(e);
continue;
}
// scrape article content
item.content = await page.$eval(anchor, el => el.innerHTML);
// save to database
await col.save(item);
console.log(`saved item: ${JSON.stringify(item)}`)
}
// close mongodb
client.close();
// close browser
browser.close();
})();然后将该爬虫按照前一篇文章的步骤部署运行爬虫，就可以采集到详细的文章内容了。
文章内容爬虫的代码已经更新到Github了。
接下来，我们可以开始对这些文章做文章了。
前后端分离
目前的技术发展来看，前后端分离已经是主流：一来前端技术越来越复杂，要求模块化、工程化；二来前后端分离可以让前后端团队分工协作，更加高效地开发应用。由于本文的聚合平台是一个轻量级应用，后端接口编写我们用Python的轻量级Web应用框架Flask，前端我们用近年来大红大紫的上手容易的Vue。
Flask
Flask被称为Micro Framework，可见其轻量级，几行代码便可以编写一个Web应用。它靠Extensions插件来扩展其特定功能，例如登录验证、RESTful、数据模型等等。这个小节中我们将搭建一个REST风格的后台API应用。
安装
首先安装相关的依赖。
pip install flask flask_restful flask_cors pymongo基本应用
安装完成后我们可以新建一个app.py文件，输入如下代码
from flask import Flask
from flask_cors import CORS
from flask_restful import Api
# 生成Flask App实例
app = Flask(__name__)
# 生成API实例
api = Api(app)
# 支持CORS跨域
CORS(app, supports_credentials=True)
if __name__ == '__main__':
app.run()命令行中输入python app.py就可以运行这个基础的Flask应用了。
编写API
接下来，我们需要编写获取文章的接口。首先我们简单分析一下需求。
这个Flask应用要实现的功能为：
- 从数据库中获取抓取到的文章，将文章ID、标题、摘要、抓取时间返回给前端做文章列表使用；
- 对给定文章ID，从数据库返回相应文章内容给前端做详情页使用。
因此，我们需要实现上述两个API。下面开始编写接口。
列表接口
在app.py中添加如下代码，作为列表接口。
class ListApi(Resource):
def get(self):
# 查询
items = col.find({'content': {'$exists': True}}).sort('_id', DESCENDING).limit(40)
data = []
for item in items:
# 将pymongo object转化为python object
_item = json.loads(json_util.dumps(item))
data.append({
'_id': _item['_id']['$oid'],
'title': _item['title'],
'source': _item['source'],
'ts': item['_id'].generation_time.strftime('%Y-%m-%d %H:%M:%S')
})
return data
详情接口
同样的，在app.py中输入如下代码。
class DetailApi(Resource):
def get(self, id):
item = col.find_one({'_id': ObjectId(id)})
# 将pymongo object转化为python object
_item = json.loads(json_util.dumps(item))
return {
'_id': _item['_id']['$oid'],
'title': _item['title'],
'source': _item['source'],
'ts': item['_id'].generation_time.strftime('%Y-%m-%d %H:%M:%S'),
'content': _item['content']
}映射接口
编写完接口，我们需要将它们映射到对应到URL中。
api.add_resource(ListApi, '/results')
api.add_resource(DetailApi, '/results/') 完整代码
以下是完整的Flask应用代码，很简单，实现了文章列表和文章详情两个功能。接下来，我们将开始开发前端的部分。
import json
from bson import json_util, ObjectId
from flask import Flask, jsonify
from flask_cors import CORS
from flask_restful import Api, Resource
from pymongo import MongoClient, DESCENDING
# 生成Flask App实例
app = Flask(__name__)
# 生成MongoDB实例
mongo = MongoClient(host='192.168.99.100')
db = mongo['crawlab_test']
col = db['results']
# 生成API实例
api = Api(app)
# 支持CORS跨域
CORS(app, supports_credentials=True)
class ListApi(Resource):
def get(self):
# 查询
items = col.find({}).sort('_id', DESCENDING).limit(20)
data = []
for item in items:
# 将pymongo object转化为python object
_item = json.loads(json_util.dumps(item))
data.append({
'_id': _item['_id']['$oid'],
'title': _item['title'],
'source': _item['source'],
'ts': item['_id'].generation_time.strftime('%Y-%m-%d %H:%M:%S')
})
return data
class DetailApi(Resource):
def get(self, id):
item = col.find_one({'_id': ObjectId(id)})
# 将pymongo object转化为python object
_item = json.loads(json_util.dumps(item))
return {
'_id': _item['_id']['$oid'],
'title': _item['title'],
'source': _item['source'],
'ts': item['_id'].generation_time.strftime('%Y-%m-%d %H:%M:%S'),
'content': _item['content']
}
api.add_resource(ListApi, '/results')
api.add_resource(DetailApi, '/results/')
if __name__ == '__main__':
app.run() 运行python app.py，将后台接口服务器跑起来。
Vue
Vue近年来是热得发烫，在Github上已经超越React，成为三大开源框架（React，Vue，Angular）中star数最多的项目。相比于React和Angular，Vue非常容易上手，既可以双向绑定数据快速开始构建简单应用，又可以利用Vuex单向数据传递构建大型应用。这种灵活性是它受大多数开发者欢迎的原因之一。
为了构建一个简单的Vue应用，我们将用到vue-cli3，一个vue项目的脚手架。首先，我们从npm上安装脚手架。
安装vue-cli3
yarn add @vue/cli如果你还没有安装yarn，执行下列命令安装。
npm i -g yarn创建项目
接下来，我们需要用vue-cli3构建一个项目。执行以下命令。
vue create frontend命令行中会弹出下列选项，选择default。
? Please pick a preset: (Use arrow keys)
❯ default (babel, eslint)
preset (vue-router, vuex, node-sass, babel, eslint, unit-jest)
Manually select features 然后vue-cli3会开始准备构建项目必要的依赖以及生成项目结构。
此外，我们还需要安装完成其他功能所需要的包。
yarn add axios文章列表页面
在views目录中创建一个List.vue文件，写入下列内容。
-
{{article.title}}
{{article.ts}}
其中，引用了axios来与API进行ajax交互，这里获取的是列表接口。布局用来经典的双圣杯布局。methods中的showArticle方法接收id参数，将页面跳转至详情页。
文章详情页面
在views目录中，创建Detail.vue文件，并输入如下内容。
{{article.title}}
这个页面也是经典的双圣杯布局，中间占40%。由API获取的文章内容输出到content中，由v-html绑定。这里其实可以做进一步的CSS优化，但作者太懒了，这个任务就交给读者来实现吧。
添加路由
编辑router.js文件，将其修改为以下内容。
import Vue from 'vue'
import Router from 'vue-router'
import List from './views/List'
import Detail from './views/Detail'
Vue.use(Router)
export default new Router({
mode: 'hash',
base: process.env.BASE_URL,
routes: [
{
path: '/',
name: 'List',
component: List
},
{
path: '/:id',
name: 'Detail',
component: Detail
}
]
})运行前端
在命令行中输入以下命令，打开http://localhost:8080就可以看到文章列表了。
npm run serve最终效果
最后的聚合平台效果截屏如下，可以看到基本的样式已经出来了。
总结
本文在上一篇文章《手把手教你如何用Crawlab构建技术文章聚合平台(一)》的基础上，介绍了如何利用Flask＋Vue和之前抓取的文章数据，搭建一个简易的技术文章聚合平台。用到的技术很基础，当然，肯定也还有很多需要优化和提升的空间，这个就留给读者和各位大佬吧。
Github
- tikazyq/crawlab
- tikazyq/tech-news
如果感觉Crawlab还不错的话，请加作者微信拉入开发交流群，大家一起交流关于Crawlab的使用和开发。