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
}