package main
import (
"fmt"
"net/http"
"io"
"time"
"strconv"
"os"
)
func HttpGet2(url string) (result string, err error) {
resp, err1 := http.Get(url)
if err1 != nil {
err = err1 // 将封装函数内部的错误,传出给调用者。
return
}
defer resp.Body.Close()
time.Sleep(time.Second)
// 循环读取 网页数据, 传出给调用者
buf := make([]byte, 4096)
for {
n, err2 := resp.Body.Read(buf)
if n == 0 {
fmt.Println("读取网页完成")
break
}
if err2 != nil && err2 != io.EOF {
err = err2
return
}
// 累加每一次循环读到的 buf 数据,存入result 一次性返回。
result += string(buf[:n])
}
return
}
// 爬取单个页面的函数
func SpiderPage(i int, page chan int) {
url := "https://tieba.baidu.com/f?kw=%E7%BB%9D%E5%9C%B0%E6%B1%82%E7%94%9F&ie=utf-8&pn="+ strconv.Itoa((i-1)*50)
result, err := HttpGet2(url)
if err != nil {
fmt.Println("HttpGet err:", err)
return
}
//fmt.Println("result=", result)
// 将读到的整网页数据,保存成一个文件
f, err := os.Create("第 " + strconv.Itoa(i) + " 页" + ".html")
if err != nil {
fmt.Println("Create err:", err)
}
f.WriteString(result)
f.Close() // 保存好一个文件,关闭一个文件。
page <- i // 与主go程完成同步。
}
// 爬取页面操作。
func working2(start, end int) {
fmt.Printf("正在爬取第%d页到%d页....\n", start, end)
page := make(chan int)
// 循环爬取每一页数据
for i:=start; i<=end; i++ {
go SpiderPage(i, page)
}
for i:=start; i<=end; i++ {
fmt.Printf("第 %d 个页面爬取完成\n", <-page)
}
}
func main() {
// 指定爬取起始、终止页
var start, end int
fmt.Print("请输入爬取的起始页(>=1):")
fmt.Scan(&start)
fmt.Print("请输入爬取的终止页(>=start):")
fmt.Scan(&end)
working2(start, end)
}
Go-并发小爬虫
最新推荐文章于 2024-07-17 10:34:18 发布