go语言提取html,Golang高并发抓取HTML图片

本文介绍了一个使用Golang编写的程序,能够高效地从HTML页面中提取带有HTTP协议头的图片链接,并将图片保存到指定目录。程序通过多线程并行抓取,支持设置代理地址,并提供了错误处理机制。
摘要由CSDN通过智能技术生成

使用准备

1.安装Golang

2.下载爬虫包

go get -v github.com/hunterhug/marmot/expert

go get -v github.com/hunterhug/marmot/miner

go get -v github.com/hunterhug/parrot/util

程序

该程序只能抓取HTML中src="http"中的图片, 必须带有协议头http(s), 其他如data-src和混淆在JS中的无法抓取

package main

import (

"errors"

"fmt"

"net/url"

"strings"

"github.com/hunterhug/marmot/expert"

"github.com/hunterhug/marmot/miner"

"github.com/hunterhug/parrot/util"

)

// Num of miner, We can run it at the same time to crawl data fast

var MinerNum = 5

// You can update this decide whether to proxy

var ProxyAddress interface{}

func main() {

// You can Proxy!

// ProxyAddress = "socks5://127.0.0.1:1080"

fmt.Println(`Welcome: Input "url" and picture keep "dir"`)

for {

fmt.Println("---------------------------------------------")

url := util.Input(`URL(Like: "http://publicdomainarchive.com")`, "http://publicdomainarchive.com")

dir := util.Input(`DIR(Default: "./picture")`, "./picture")

fmt.Printf("You will keep %s picture in dir %s\n", url, dir)

fmt.Println("---------------------------------------------")

// Start Catch

err := CatchPicture(url, dir)

if err != nil {

fmt.Println("Error:" + err.Error())

}

}

}

// Come on!

func CatchPicture(picture_url string, dir string) error {

// Check valid

_, err := url.Parse(picture_url)

if err != nil {

return err

}

// Make dir!

err = util.MakeDir(dir)

if err != nil {

return err

}

// New a worker to get url

worker, _ := miner.New(ProxyAddress)

result, err := worker.SetUrl(picture_url).SetUa(miner.RandomUa()).Get()

if err != nil {

return err

}

// Find all pictu

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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