go语言实现爬虫–爬百度贴吧（并发）

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、处理数据（按照我们想要的方式保存和使用）
4、并发实现

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\n",start,end)
	page := make(chan int)
	//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++{
		go SpiderPage(i,page)
	}
	for i:= start ; i <= end ; i++{
		fmt.Printf("第%d歌页面爬取完成\n",<-page)
	}
}

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,_ := resp.Body.Read(buf)
		if n == 0 { //读取接受或者出错误
			break
		}
		result +=string(buf[:n])
	}
	return
}

//爬取一个网页

func SpiderPage(i int,page chan int){
	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.Printf("正在爬取第%d页网页：%s",i,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)
		return
	}
	//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)
		return
	}
	f.WriteString(result)	//写内容
	f.Close()	//关闭文件
	page <- i
}