go语言实现爬虫--爬百度贴吧

go语言实现爬虫–爬百度贴吧

实现爬虫的是个主要步骤

1、明确目标（要知道你准备再那个范围或者网站去搜索）
2、爬（将所有的网站的内容全部爬下来）
3、取（去掉对我们没有用的数据）
4、处理数据（按照我们想要的方式保存和使用）

代码

package main

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

func main(){
	var start,end int
	fmt.Println("请输入起始页：")
	fmt.Scan(&start)
	fmt.Println("请输入终止页（大于等于起始页）：")
	fmt.Scan(&end)
	DoWork(start,end)
}

func DoWork(start,end int)  {
	fmt.Printf("正在爬取%d到%d之间的数据",start,end)
	//1、明确目标（要知道你准备再那个范围或者网站去搜索）
	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)	//因为百度贴吧相邻两个网页差50
		fmt.Println("正在爬取的网站：",url)
		// 2、爬（将所有的网站的内容全部爬下来）
		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 , err3 := os.Create(fileName)
		if err3 != nil{
			fmt.Println("os.Create err:",err3)
			continue
		}
		f.WriteString(result)	//写内容
		f.Close()	//关闭文件
	}
}

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body的内容
	buf := make([]byte,1024*4)
	for{
		n,err2 := resp.Body.Read(buf)
		if n == 0 { //读取接受或者出错误
			fmt.Println("resp.Body.Read err:",err2)
			break
		}
		result +=string(buf[:n])
	}
	return
}