Go语言:爬虫并写入excel

点击 爬取页面

整体代码
package main

import (
	"fmt"
	"github.com/axgle/mahonia"
	"github.com/xuri/excelize/v2"
	"io/ioutil"
	"net/http"
	"strconv"
	"strings"
)

//爬笑话 录入Excel
var path = "detail60/59124.html"
func main() {
	NewExcel()
	runThis()
	if err := file.SaveAs("joker.xlsx"); err != nil {
		fmt.Println(err)
	}
}
func CheckErr(err error,msg string){
	if err !=nil{
		fmt.Errorf("err: %v",msg)
	}
}
// dataProcessing 处理格式
func dataProcessing( pageBytes []byte) string{
	//解决乱码
	bodyStr := mahonia.NewDecoder("gbk").ConvertString(string(pageBytes))
	path = bodyStr[strings.Index(bodyStr, "上一页</a><a href=\""):strings.Index(bodyStr, "\"  class=\"next\">下一页")]
	path = path[strings.Index(path, "detail"):]
	bodyStr = bodyStr[strings.Index(bodyStr, "<p>"):]
	bodyStr = bodyStr[:strings.Index(bodyStr, "</div>")]
	bodyStr =strings.ReplaceAll(bodyStr,"<p></p>","")
	bodyStr = strings.ReplaceAll(bodyStr,"<p>","")
	bodyStr = strings.ReplaceAll(bodyStr,"</p>","%!@")
	bodyStr = strings.TrimSpace(bodyStr)
	return bodyStr
}
var i = 1
// AnalyticalData 解析数据放入excel
var file *excelize.File
func AnalyticalData(str string){

	tmp := strings.Split(str,"%!@")
	for _,v :=range tmp{
			if v == ""{
				continue
			}
			v = v[strings.Index(v, "、")+3:]
			file.SetCellValue("Sheet1","A"+strconv.Itoa(i),i)
			file.SetCellValue("Sheet1","B"+strconv.Itoa(i),v)
			i++
			if i == 40 {
				path=""
			}
	}

}
func NewExcel() {
	file = excelize.NewFile()
	index := file.NewSheet("Sheet1")
	//设置默认工作表
	file.SetActiveSheet(index)

}

func  runThis(){

	//1.去网站拿数据
	resp,err := http.Get("https://xiaohua.zol.com.cn/"+path)
	CheckErr(err,"http.Get")

	//2处理数据格式
	pageBytes ,err := ioutil.ReadAll(resp.Body)
	bodyStr := dataProcessing(pageBytes)
	AnalyticalData(bodyStr)

	resp.Body.Close()
	if path != ""{
		runThis()
	}

}
思路

1.拉取网页内容
2.解决乱码问题
3.提取可用数据(临时写的 没有对数据处理下太多功夫,可能会比较乱)
4.处理数据
5.录入excel
6.继续爬区下一个页面
7.设置推出条件。

解析

在这里插入图片描述
1.因为全篇只有这里有p标签所有决定从这里截取
2.p标签被div包裹 所以到"" 停止

	bodyStr = bodyStr[strings.Index(bodyStr, "<p>"):]
	bodyStr = bodyStr[:strings.Index(bodyStr, "</div>")]
  1. 将数据进行处理
	bodyStr =strings.ReplaceAll(bodyStr,"<p></p>","") //去掉连在一起的p标签
	bodyStr = strings.ReplaceAll(bodyStr,"<p>","")	 //处理一下各段分割 方便后续切割为数组
	bodyStr = strings.ReplaceAll(bodyStr,"</p>","%!@")

在这里插入图片描述

	path = bodyStr[strings.Index(bodyStr, "上一页</a><a href=\""):strings.Index(bodyStr, "\"  class=\"next\">下一页")]
	path = path[strings.Index(path, "detail"):] //拿到下一页的地址 方便后续爬取
  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值