设为首页 收藏本站
查看: 744|回复: 0

[经验分享] 使用Go语言(golang)写个简单的爬虫

[复制链接]

尚未签到

发表于 2018-9-20 06:00:12 | 显示全部楼层 |阅读模式
package main  

  
import (
  
"fmt"
  
"io/ioutil"
  
"net/http"
  
"regexp"
  
)
  

  
var (

  
ptnIndexItem    = regexp.MustCompile(`  
ptnContentRough = regexp.MustCompile(`(?s).*(.*).*`)
  
ptnBrTag        = regexp.MustCompile(``)
  
ptnHTMLTag      = regexp.MustCompile(`(?s)`)
  
ptnSpace        = regexp.MustCompile(`(^\s+)|( )`)
  
)
  

  
func Get(url string) (content string, statusCode int) {
  
resp, err1 := http.Get(url)
  
if err1 != nil {
  
statusCode = -100
  
return
  
}
  
defer resp.Body.Close()
  
data, err2 := ioutil.ReadAll(resp.Body)
  
if err2 != nil {
  
statusCode = -200
  
return
  
}
  
statusCode = resp.StatusCode
  
content = string(data)
  
return
  
}
  

  
type IndexItem struct {
  
url   string
  
title string
  
}
  

  
func findIndex(content string) (index []IndexItem, err error) {
  
matches := ptnIndexItem.FindAllStringSubmatch(content, 10000)
  
index = make([]IndexItem, len(matches))
  
for i, item := range matches {
  
index = IndexItem{"http://www.yifan100.com" + item[1], item[2]}
  
}
  
return
  
}
  

  
func readContent(url string) (content string) {
  
raw, statusCode := Get(url)
  
if statusCode != 200 {
  
fmt.Print("Fail to get the raw data from", url, "\n")
  
return
  
}
  

  
match := ptnContentRough.FindStringSubmatch(raw)
  
if match != nil {
  
content = match[1]
  
} else {
  
return
  
}
  

  
content = ptnBrTag.ReplaceAllString(content, "\r\n")
  
content = ptnHTMLTag.ReplaceAllString(content, "")
  
content = ptnSpace.ReplaceAllString(content, "")
  
return
  
}
  

  
func main() {
  
fmt.Println(`Get index ...`)
  
s, statusCode := Get("http://www.yifan100.com/dir/15136/")
  
if statusCode != 200 {
  
return
  
}
  
index, _ := findIndex(s)
  

  
fmt.Println(`Get contents and write to file ...`)
  
for _, item := range index {
  
fmt.Printf("Get content %s from %s and write to file.\n", item.title, item.url)
  
fileName := fmt.Sprintf("%s.txt", item.title)
  
content := readContent(item.url)
  
ioutil.WriteFile(fileName, []byte(content), 0644)
  
fmt.Printf("Finish writing to %s.\n", fileName)
  
}
  
}
  




运维网声明 1、欢迎大家加入本站运维交流群:群②:261659950 群⑤:202807635 群⑦870801961 群⑧679858003
2、本站所有主题由该帖子作者发表,该帖子作者与运维网享有帖子相关版权
3、所有作品的著作权均归原作者享有,请您和我们一样尊重他人的著作权等合法权益。如果您对作品感到满意,请购买正版
4、禁止制作、复制、发布和传播具有反动、淫秽、色情、暴力、凶杀等内容的信息,一经发现立即删除。若您因此触犯法律,一切后果自负,我们对此不承担任何责任
5、所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其内容的准确性、可靠性、正当性、安全性、合法性等负责,亦不承担任何法律责任
6、所有作品仅供您个人学习、研究或欣赏,不得用于商业或者其他用途,否则,一切后果均由您自己承担,我们对此不承担任何法律责任
7、如涉及侵犯版权等问题,请您及时通知我们,我们将立即采取措施予以解决
8、联系人Email:admin@iyunv.com 网址:www.yunweiku.com

所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其承担任何法律责任,如涉及侵犯版权等问题,请您及时通知我们,我们将立即处理,联系人Email:kefu@iyunv.com,QQ:1061981298 本贴地址:https://www.yunweiku.com/thread-596535-1-1.html 上篇帖子: 随笔:Golang 时间Time 下篇帖子: Golang&Python测试thrift
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

扫码加入运维网微信交流群X

扫码加入运维网微信交流群

扫描二维码加入运维网微信交流群,最新一手资源尽在官方微信交流群!快快加入我们吧...

扫描微信二维码查看详情

客服E-mail:kefu@iyunv.com 客服QQ:1061981298


QQ群⑦:运维网交流群⑦ QQ群⑧:运维网交流群⑧ k8s群:运维网kubernetes交流群


提醒:禁止发布任何违反国家法律、法规的言论与图片等内容;本站内容均来自个人观点与网络等信息,非本站认同之观点.


本站大部分资源是网友从网上搜集分享而来,其版权均归原作者及其网站所有,我们尊重他人的合法权益,如有内容侵犯您的合法权益,请及时与我们联系进行核实删除!



合作伙伴: 青云cloud

快速回复 返回顶部 返回列表