golang实现捧腹网爬取笑话

爬虫的步骤见:here
以下golang代码实现对捧腹网笑话的爬取,并保存到本地的joy文件夹(程序会自行创建)内

package main

import (
	"fmt"
	"net/http"
	"os"
	"regexp"
	"strconv"
)

func HttpGet(url string) (result string, err error) {
	resp, err1 := http.Get(url)
	if err1 != nil {
		err = err1
		return
	}
	defer resp.Body.Close()
	buf := make([]byte, 4*1024)
	for {
		n, _ := resp.Body.Read(buf)
		if n == 0 {
			break
		}
		result += string(buf[:n])
	}
	return
}

func GetJoy(url string, ch chan int, th int) (result string, err error) {
	result, err1 := HttpGet(url)
	if err1 != nil {
		err = err1
		return
	}
	str := "<h1 class=\"f18\"><a href=\"" + url + "\" title=\""
	str += "(?s:(.*?))\">"

	re := regexp.MustCompile(str)

	if re == nil {
		fmt.Println("complile error")
		return
	}
	//fmt.Println("adfadfadsfasdfd", result)
	titles := re.FindAllStringSubmatch(result, 1)
	var title string
	for _, data := range titles {
		title = data[1]
		break
	}

	//fmt.Println("title = ", title)

	file, err1 := os.Create("./joys/" + title + ".txt")
	defer file.Close()
	if err1 != nil {
		err = err1
		return
	}
	str = "<div class=\"con-txt\">" + "(?s:(.*?))</div>"
	//fmt.Println(str)
	re1 := regexp.MustCompile(str)
	if re1 == nil {
		fmt.Println("regexp failed")
		return
	}
	joys := re1.FindAllStringSubmatch(result, -1)
	for _, data := range joys {
		joy := data[1]
		file.WriteString(joy[12:])
	}
	ch <- th
	return
}

func SpiderPage(i int, page chan int) {
	url := "https://m.pengfue.com/index_" + strconv.Itoa(i) + ".html"
	fmt.Printf("正在爬取第%d页,url=%s\n", i, url)
	result, err := HttpGet(url)
	channel := make(chan int)
	if err != nil {
		fmt.Println("err = ", err)
		return
	}
	//fmt.Println(result)
	re := regexp.MustCompile(`<h1 class="f18"><a href="(?s:(.*?))"`)
	if re == nil {
		fmt.Println("re err = ", re)
		return
	}
	joyUrls := re.FindAllStringSubmatch(result, -1)

	for pos, data := range joyUrls {
		go GetJoy(data[1], channel, pos)
	}

	for p := 0; p < len(joyUrls); p++ {
		fmt.Printf("第%d页的第%d个笑话已经爬取完成...\n", i, <-channel)
	}

	page <- i
}

func DoWork(start, end int) {
	fmt.Printf("准备爬取%d -> %d的页面\n", start, end)
	page := make(chan int)
	for i := start; i <= end; i++ {
		go SpiderPage(i, page)
	}
	for i := start; i <= end; i++ {
		fmt.Printf("第%d页完成!\n", <-page)
	}
}

func main() {

	var start, end int
	fmt.Println("请输入起始页(>=1):")
	fmt.Scan(&start)
	fmt.Println("请输入终止页(>=起始页)")
	fmt.Scan(&end)
	_dir := "./joys"
	err := os.Mkdir(_dir, os.ModePerm)
	if err != nil {
		fmt.Println("err = ", err)
	}
	DoWork(start, end)
}

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
SQLAlchemy 是一个 SQL 工具包和对象关系映射(ORM)库,用于 Python 编程语言。它提供了一个高级的 SQL 工具和对象关系映射工具,允许开发者以 Python 类和对象的形式操作数据库,而无需编写大量的 SQL 语句。SQLAlchemy 建立在 DBAPI 之上,支持多种数据库后端,如 SQLite, MySQL, PostgreSQL 等。 SQLAlchemy 的核心功能: 对象关系映射(ORM): SQLAlchemy 允许开发者使用 Python 类来表示数据库表,使用类的实例表示表中的行。 开发者可以定义类之间的关系(如一对多、多对多),SQLAlchemy 会自动处理这些关系在数据库中的映射。 通过 ORM,开发者可以像操作 Python 对象一样操作数据库,这大大简化了数据库操作的复杂性。 表达式语言: SQLAlchemy 提供了一个丰富的 SQL 表达式语言,允许开发者以 Python 表达式的方式编写复杂的 SQL 查询。 表达式语言提供了对 SQL 语句的灵活控制,同时保持了代码的可读性和可维护性。 数据库引擎和连接池: SQLAlchemy 支持多种数据库后端,并且为每种后端提供了对应的数据库引擎。 它还提供了连接池管理功能,以优化数据库连接的创建、使用和释放。 会话管理: SQLAlchemy 使用会话(Session)来管理对象的持久化状态。 会话提供了一个工作单元(unit of work)和身份映射(identity map)的概念,使得对象的状态管理和查询更加高效。 事件系统: SQLAlchemy 提供了一个事件系统,允许开发者在 ORM 的各个生命周期阶段插入自定义的钩子函数。 这使得开发者可以在对象加载、修改、删除等操作时执行额外的逻辑。
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