JavaScript爬虫速度控制的关键在于合理运用setTimeout函数或Promise.then()方法，避免对目标服务器造成过大压力。 setTimeout允许您在指定毫秒数后执行函数，从而实现延迟。
以下示例展示了如何使用setTimeout控制爬虫速度：
<code class="javascript">const axios = require('axios');
const cheerio = require('cheerio');
// 爬取函数
async function scrape(url) {
try {
const response = await axios.get(url);
const html = response.data;
const $ = cheerio.load(html);
// 提取所需数据
const data = $('selector').text(); // 替换'selector'为你的选择器
console.log(data);
return data;
} catch (error) {
console.error(`Error fetching ${url}:`, error);
return null;
}
}
// 主程序
async function main() {
const urls = [
'https://example.com/page1',
'https://example.com/page2',
'https://example.com/page3',
// ...更多URL
];
for (let i = 0; i < urls.length; i++) {
const url = urls[i];
const data = await scrape(url);
if(data) {
// 处理提取的数据
}
await new Promise(resolve => setTimeout(resolve, 1000)); // 延迟1秒
}
}
main();</code>
此代码使用axios获取网页内容，cheerio解析HTML。 setTimeout在每次爬取后引入1秒延迟（可根据需要调整）。 为了更好的错误处理，增加了对scrape函数返回值的检查。 使用async/await使得代码更易读。 记住替换'selector'为你的实际选择器。 请务必遵守目标网站的robots.txt协议，并尊重网站的服务器负载能力。
