go 实战并发爬虫(捧腹网)
时间:2019-04-12
本文章向大家介绍go 实战并发爬虫(捧腹网),主要包括go 实战并发爬虫(捧腹网)使用实例、应用技巧、基本知识点总结和需要注意事项,具有一定的参考价值,需要的朋友可以参考一下。
package main
import (
"fmt"
"strconv"
"net/http"
"regexp"
"strings"
"os"
)
func main() {
var start,end int
fmt.Printf("请输入起始页( >= 1) :")
fmt.Scan(&start)
fmt.Printf("请输入终止页( >= 起始页) :")
fmt.Scan(&end)
DoWork(start,end) //工作函数
}
func DoWork(start,end int) {
fmt.Printf("准备爬取第%d页到%d页的网址\n", start, end)
page := make(chan int)
for i:= start; i<= end; i++{
//定义一个函数 并发 爬主页面
go SpiderPape(i,page)
}
for i:= start; i<= end;i++{
fmt.Printf("第%d个页面爬取完成\n", <-page)
}
}
func SpiderPape(i int, page chan int) {
url := "https://www.pengfu.com/xiaohua_"+ strconv.Itoa(i) + ".html"
fmt.Printf("正在爬取第%d个网页:%s\n", i, url)
//开始爬取页面内容
result,err:= HttpGet(url)
if err != nil{
fmt.Println("HttpGet err = ",err)
return
}
//写正则过滤 url
re := regexp.MustCompile(`<h1 class="dp-b"><a href="(?s:(.*?))"`)
if re == nil{
fmt.Println("regexp.MustCompile err")
return
}
//取关键信息
joyUrls := re.FindAllStringSubmatch(result, -1)
fmt.Println("joyUrls = ", joyUrls)
fileTitle := make([]string, 0)
fileContent := make([]string, 0)
//取网址
//第一个返回下标,第二个返回内容
for _, data := range joyUrls {
//开始爬取每一个笑话,每一个段子
title, content, err := SpiderOneJoy(data[1])
if err != nil {
fmt.Println("SpiderOneJoy err = ", err)
continue
}
fileTitle = append(fileTitle, title) //追加内容
fileContent = append(fileContent, content) //追加内容
}
fmt.Println("fileTitle= ", fileTitle)
fmt.Println("fileContent= ", fileContent)
//把内容写入到文件
StoreJoyToFile(i, fileTitle, fileContent)
page <- i //写内容,写num
}
func StoreJoyToFile(num int, fileTitle, fileContent []string) {
//新建文件
f, err := os.Create(strconv.Itoa(num) + ".txt")
if err != nil {
fmt.Println("os.Create err = ", err)
return
}
defer f.Close()
//写内容
n := len(fileTitle)
for i := 0; i < n; i++ {
//写标题
f.WriteString(fileTitle[i] + "\n")
//写内容
f.WriteString(fileContent[i] + "\n")
f.WriteString("\n=================================================================\n")
}
}
//开始爬取每一个笑话,每一个段子 title, content, err := SpiderOneJoy(url)
func SpiderOneJoy(url string) (title,content string, err error){
//开始爬取页面内容
result,err1 := HttpGet(url)
if err1!= nil{
err = err1
return
}
//取关键信息
//取标题 <h1> 标题 </h1> 只取1个
re1 := regexp.MustCompile(`<h1>(?s:(.*?))</h1>`)
if re1 == nil{
err = fmt.Errorf("%s", "regexp.MustCompile err")
return
}
//取标题
tmpTitle := re1.FindAllStringSubmatch(result, 1) //最后一个参数为1,只过滤第一个
for _, data := range tmpTitle {
title = data[1]
title = strings.Replace(title, "\t", "", -1)
break
}
//取内容 <div class="content-txt pt10"> 段子内容 <a id="prev" href="
re2 := regexp.MustCompile(`<div class="content-txt pt10">(?s:(.*?))<a id="prev" href="`)
if re2 == nil {
//fmt.Println("regexp.MustCompile err")
err = fmt.Errorf("%s", "regexp.MustCompile err2")
return
}
//取内容
tmpContent := re2.FindAllStringSubmatch(result, -1)
for _, data := range tmpContent {
content = data[1]
content = strings.Replace(content, "\t", "", -1)
content = strings.Replace(content, "\n", "", -1)
content = strings.Replace(content, "\r", "", -1)
content = strings.Replace(content, "<br />", "", -1)
break
}
return
}
func HttpGet(url string)(result string, err error) {
resp,err1 := http.Get(url) //发送 get 请求.
if err1 !=nil{
err = err1
return
}
defer resp.Body.Close()
//读取网页内容.
buf := make([]byte, 4*1024)
for{
n,_:= resp.Body.Read(buf)
if n == 0{
break
}
result += string(buf[:n]) //累加读取内容
}
return
}
- JavaScript 教程
- JavaScript 编辑工具
- JavaScript 与HTML
- JavaScript 与Java
- JavaScript 数据结构
- JavaScript 基本数据类型
- JavaScript 特殊数据类型
- JavaScript 运算符
- JavaScript typeof 运算符
- JavaScript 表达式
- JavaScript 类型转换
- JavaScript 基本语法
- JavaScript 注释
- Javascript 基本处理流程
- Javascript 选择结构
- Javascript if 语句
- Javascript if 语句的嵌套
- Javascript switch 语句
- Javascript 循环结构
- Javascript 循环结构实例
- Javascript 跳转语句
- Javascript 控制语句总结
- Javascript 函数介绍
- Javascript 函数的定义
- Javascript 函数调用
- Javascript 几种特殊的函数
- JavaScript 内置函数简介
- Javascript eval() 函数
- Javascript isFinite() 函数
- Javascript isNaN() 函数
- parseInt() 与 parseFloat()
- escape() 与 unescape()
- Javascript 字符串介绍
- Javascript length属性
- javascript 字符串函数
- Javascript 日期对象简介
- Javascript 日期对象用途
- Date 对象属性和方法
- Javascript 数组是什么
- Javascript 创建数组
- Javascript 数组赋值与取值
- Javascript 数组属性和方法
- 【Java】01 初识 Java
- 多张热图的排版技巧
- 【Java】02 数据类型与运算符
- StringBuilder/StringBuffer源码阅读笔记
- PAT (Advanced Level) Practice 1027 Colors in Mars (20 分)
- 【Java】21 基于 UDP 的网络编程
- PowerBI DAX 在矩阵分组区域内通用积累求和
- 【Java】22 网络连接
- 2015年ccf计算机职业认证资格考试第一题数列分段
- 数据结构题集(严书)查找 常见习题代码
- 翻车!居然在这里翻车了!!!
- PAT (Advanced Level) Practice 1029 Median (25分)
- ServiceMesh的关键:边车模式(sidecar);又要开车了
- Codeforces Round #615 (Div. 3)A. Collecting Coins
- PAT (Advanced Level) Practice 1040 Longest Symmetric String (25分)