GO语言并发爬虫练习
项目总览:
1.开发语言:GO语言
2.IDE:Goland
3.开发用时:一个小时
4.源码已上传到我的GitHub,链接:https://github.com/2394799692/Crawler-Baidu 或点此跳转
以下是本篇文章正文内容,欢迎朋友们进行指正,一起探讨,共同进步。——来自考研路上的lwj。QQ:2394799692
一、项目开发日志
1.封装爬取一个网页内容的代码到SpiderPage(index)函数中
2.在working函数for循环启动go程调用SpiderPage()——>n个待爬取页面,对应n个go程
3.为防止主go程提前结束,引入channel实现同步。SpiderPage(index,channel)
4.在SpiderPage()结尾处(一个页面爬取完成),向channel中写内容。channel<-index
5.在working函数中添加新for循环,从channel不断的读取各个子go程写入的数据。n个子go程——写n次channel——读n次channel
二、爬虫基础知识参见上一篇文章
三、代码展示
package main
import (
"fmt"
"io"
"net/http"
"os"
"strconv"
)
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()
//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 {
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/p/7721471462?pn=" + strconv.Itoa(i)
result, err := HttpGet2(url)
if err != nil {
fmt.Println("httpget err:", err)
//continue //需要读取多个页,一个页面出错不用return,再读下一页就行了
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("os.Create err:", err)
//continue //需要读取多个页,一个页面出错不用return,再读下一页就行了
return
}
f.WriteString(result)
f.Close() //保存好一个文件,关闭一个文件
page <- i //写数据
//与主go程完成同步,协助其进行数据传递
}
//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)
//循环一次爬取一页
page := make(chan int)
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.Println("请输入爬取的起始页(>=1):")
fmt.Scan(&start)
fmt.Println("请输入爬取的终止页(>=strart):")
fmt.Scan(&end)
working2(start, end)
}
四、效果展示: