用好anyproxy提高公众号文章采集效率

　　影响因素主要会有以下几点：

　　1、网络环境不佳；

　　2、手机或模拟器中微信客户端崩溃；

　　3、其它一些网络传输错误；

　　因为我比较看重采集系统的运行成本，这个成本包括硬件投入，运算力投入和占用的人工精力。所以必须提高运行的稳定性。因此如果采集中断，必然增加人工精力的成本。所以针对这一点我对anyproxy做了一些进阶的改造，并且借助了其它一些工具提高了运行效率。以下就是具体的解决方法：

　　一、代码升级

　　1）微信浏览器白屏

　　解决方法：修改文件requestHandler.js，还是在rule_default.js同级目录下，（mac系统/usr/local/lib/node_modules/anyproxy/lib/；win系统评论区网友cnbattle提供C:\Users\Administrator\AppData\Roaming\npm\node_modules\anyproxy\lib）

　　在代码中找到proxyReq.on(error,function(e){这个函数，并修改内容

　　 //userRes.end();//把这一行注释掉 userRes.end(<script>setTimeout(function(){window.location.reload();},2000);</script>);//插入这一行

　　这样当发生错误时，会返回一个刷新当前页面的js；这样程序就能继续下去了

　　2）替换所有图片，减轻浏览器负担

　　首先需要制作一张非常小的图片，我做的是1x1像素，png透明图；放到任意文件夹里。然后修改文件rule_default.js的代码：

　　在文件开头有许多var的位置加入以下代码

　　 var fs = require(fs), img = fs.readFileSync(/Library/WebServer/Documents/space.png);//代码绝对路径替换成自己的

　　在下面的代码中找到shouldUseLocalResponse : function(req,reqBody){函数，在函数内插入代码：

　　继续在下面的代码中找到dealLocalResponse : function(req,reqBody,callback){函数，在函数内插入代码：

　　 if(req.replaceLocalFile){ callback(200, {content-type:image/png},img ); }

　　这三段代码就会将公众号里面的所有图片替换成本地图片，减轻网络传输压力和浏览器占用的内存，有效的提高运行效率；

　　3）禁止手机或模拟器访问一些无用的和会导致错误的网址

　　同样在rule_default.js里找到代码replaceRequestOption : function(req,option){函数，在函数内部插入代码：

　　 var newOption = option; if(/googlebtrace/i.test(newOption.headers.host)){//这里面的正则可以替换成自己不希望访问的网址特征字符串，这里面的btrace是一个腾讯视频的域名，经过实践发现特别容易导致浏览器崩溃，所以加在里面了，继续添加可以使用分割。 newOption.hostname = 127.0.0.1;//这个ip也可以替换成其他的 newOption.port = 80; } return newOption;

　　这个修改之前的文章也提到过了，在这里重新再详细介绍一下。他的用途很多，不同的手机和模拟器都有可能访问一些无用的地址导致设备变慢，通过这个代码就可以阻止访问。

　　二、使用pm2管理anyproxy进程

　　pm2 是一个带有负载均衡功能的Node应用的进程管理器.

　　当你要把你的独立代码利用全部的服务器上的所有CPU，并保证进程永远都活着，0秒的重载， PM2是完美的。它非常适合IaaS结构，但不要把它用于PaaS方案（随后将开发Paas的解决方案）.

　　主要特性：

　　内建负载均衡（使用Node cluster 集群模块）

　　后台运行

　　0秒停机重载，我理解大概意思是维护升级的时候不需要停机.

　　具有Ubuntu和CentOS 的启动脚本

　　停止不稳定的进程（避免无限循环）

　　控制台检测

　　提供 HTTP API

　　远程控制和实时的接口API ( Nodejs 模块,允许和PM2进程管理器交互 )

　　测试过Nodejs v0.11 v0.10 v0.8版本，兼容CoffeeScript,基于Linux 和MacOS.

　　首先安装pm2

　　 sudo npm install -g pm2

　　在pm2环境下运行anyproxy

　　 sudo pm2 start anyproxy -x -- -i

　　现在anyproxy就在pm2的环境中运行了

　　之后还有几个pm2的命令可以帮助管理和监控anyproxy

　　 //查看运行日志 sudo pm2 logs anyproxy [--lines 10] //关闭anyproxy sudo pm2 delete anyproxy //重启anyproxy sudo pm2 restart anyproxy //监控内存占用 sudo pm2 monit //监控运行状态 sudo pm2 list

　　特别提示：pm2运行后，终端窗口是可以关闭的。

　　使用pm2管理anyproxy进程，最重要的目的是：anyproxy因为错误而退出程序之后，pm2可以另anyproxy自动重启。

　　三、取消sudo密码，并使pm2开机自启

　　以下内容是在mac环境下的方法，windows也应该有类似的方法，如果了解的网友可以私信发给我。

　　1）首先取消sudo的密码

　　运行命令：

　　 sudo visudo

　　找到代码：

　　 %admin ALL = (ALL) ALL

　　修改为：

　　 %admin ALL = (ALL) NOPASSWD: ALL

　　这样sudo的密码就取消掉了，然后就可以将pm2加入到开机自启动中了

　　2）设置开机自启

　　在终端中输入命令：

　　 cd touch autoexec.sh vim autoexec.sh

　　然后进入编辑模式，按键盘字母i开始编辑，粘贴代码：

　　 #!/bin/sh sudo pm2 start anyproxy -x -- -i sudo pm2 monit

　　编辑完之后，按esc，再键入命令wq保存退出编辑模式。

　　再执行命令：

　　 chmod 755 autoexec.sh

　　这样一个可执行文件就建立好了

　　然后打开mac系统的“系统偏好设置”，找到“用户与群组”，在左侧选择当前用户，右侧选择登录项；然后点击+号，找到当前用户的根目录（可以按shift+command+h快捷键），选择autoexec.sh文件，添加到登录项中，就可以开机自启动了。

　　经过以上的几项设置之后，anyproxy系统就会比原来更加稳定，其实主要原因是模拟器或手机的不稳定导致的anyproxy发生的错误。经过实际测试，anyproxy目前可以长时间运行不崩溃。而微信客户端还是在运行大约6个小时之后崩溃，以2秒翻一页的速度，采集总数大约1万个页面。如果不采集阅读量，就可以是1万个公众号的历史消息页。

　　微信客户端的崩溃现象是退出微信浏览器，停留在查看公众号资料页面。所以如果希望再进一步提高自动化，也可以使用触动精灵之作自动化脚本，定时推出微信浏览器，再点击历史消息页。这样应该就可以实现长时间自动化采集了。