Go语言简单爬取

以爬取百度贴吧为例,步骤如下:

1.确定爬取网址
2.爬取网页内容
3.处理数据
4.将信息保存到文件

参考代码:

package main

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

func HttpGet(url string) (result string, err error) {
	resp, err1 := http.Get(url)
	if err1 != nil {
		err = err1
		return
	}
	defer resp.Body.Close()

	// 读取网页内容
	buf := make([]byte, 1024 * 4)
	for {
		n, err2 := resp.Body.Read(buf)
		if err2 != nil {
			if err2 == io.EOF {
				// 读取完毕
				break
			} else {
				fmt.Println("resp.Body.Read err = ", err2)
				return
			}
		}
		result += string(buf[:n])
	}
	return
}

func DoWork(start, end int) {
	fmt.Println("正在爬取", start, "到", end, "的页面")
	// 明确爬取的范围或者网址
	for i := start; i <= end; i++ {
		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)
		fmt.Println(url)

		// 爬取网页内容
		result, err := HttpGet(url)
		if err != nil {
			fmt.Println("HttpGet err = ", err)
			continue
		}

		// 把内容写入到文件
		fileName := strconv.Itoa(i) + ".html"
		f, err1 := os.Create(fileName)
		if err1 != nil {
			fmt.Println("os.Create err = ", err1)
			continue
		}
		f.WriteString(result)
		f.Close()
	}
}

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)

	DoWork(start, end)
}

github源码: https://github.com/YTCfight/Baidu-Tieba-Simple-Crawler

评论 2
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