Golang爬蟲框架colly使用淺析
Golang 是一門非常適合編寫網(wǎng)絡(luò)爬蟲的語(yǔ)言,它有著高效的并發(fā)處理能力和豐富的網(wǎng)絡(luò)編程庫(kù)。下面是一個(gè)簡(jiǎn)單的 Golang 網(wǎng)絡(luò)爬蟲示例:
package main
import (
"fmt"
"net/http"
"io/ioutil"
"regexp"
)
func main() {
resp, err := http.Get("https://www.example.com")
if err != nil {
fmt.Println("Error:", err)
return
}
defer resp.Body.Close()
body, err := ioutil.ReadAll(resp.Body)
if err != nil {
fmt.Println("Error:", err)
return
}
re := regexp.MustCompile("<title>(.*)</title>")
title := re.FindStringSubmatch(string(body))[1]
fmt.Println("Title:", title)
}這個(gè)爬蟲的功能是獲取指定網(wǎng)站的標(biāo)題。代碼中使用了 Go 的標(biāo)準(zhǔn)庫(kù) net/http 和 regexp 來進(jìn)行網(wǎng)絡(luò)請(qǐng)求和正則表達(dá)式匹配。當(dāng)然,這只是一個(gè)簡(jiǎn)單的示例,實(shí)際上爬蟲需要考慮更多的問題,比如反爬蟲、數(shù)據(jù)存儲(chǔ)、并發(fā)控制等等。
gocolly是用go實(shí)現(xiàn)的網(wǎng)絡(luò)爬蟲框架,我這里用來測(cè)試的版本是:colly “github.com/gocolly/colly/v2”
gocolly的網(wǎng)絡(luò)爬蟲還是很強(qiáng)大,下面我們通過代碼來看一下這個(gè)功能的使用
package main
import (
"fmt"
colly "github.com/gocolly/colly/v2"
"github.com/gocolly/colly/v2/debug"
)
func main() {
mUrl := "http://www.ifeng.com/"
//colly的主體是Collector對(duì)象,管理網(wǎng)絡(luò)通信和負(fù)責(zé)在作業(yè)運(yùn)行時(shí)執(zhí)行附加的回掉函數(shù)
c := colly.NewCollector(
// 開啟本機(jī)debug
colly.Debugger(&debug.LogDebugger{}),
)
//發(fā)送請(qǐng)求之前的執(zhí)行函數(shù)
c.OnRequest(func(r *colly.Request) {
fmt.Println("這里是發(fā)送之前執(zhí)行的函數(shù)")
})
//發(fā)送請(qǐng)求錯(cuò)誤被回調(diào)
c.OnError(func(_ *colly.Response, err error) {
fmt.Print(err)
})
//響應(yīng)請(qǐng)求之后被回調(diào)
c.OnResponse(func(r *colly.Response) {
fmt.Println("Response body length:", len(r.Body))
})
//response之后會(huì)調(diào)用該函數(shù),分析頁(yè)面數(shù)據(jù)
c.OnHTML("div#newsList h1 a", func(e *colly.HTMLElement) {
fmt.Println(e.Text)
})
//在OnHTML之后被調(diào)用
c.OnScraped(func(r *colly.Response) {
fmt.Println("Finished", r.Request.URL)
})
//這里是執(zhí)行訪問url
c.Visit(mUrl)
}運(yùn)行結(jié)果如下:
這里是發(fā)送之前執(zhí)行的函數(shù)
[000001] 1 [ 1 - request] map["url":"http://www.ifeng.com/"] (0s)
[000002] 1 [ 1 - responseHeaders] map["status":"OK" "url":"http://www.ifeng.com/"] (64.9485ms)
Response body length:250326
Finished http://www.ifeng.com/
[000003] 1 [ 1 - response] map["status":"OK" "url":"http://www.ifeng.com/"] (114.9949ms)
[000004] 1 [ 1 - html] map["selector":"div#newsList h1 a" "url":"http://www.ifeng.com/"] (118.9926ms)
[000005] 1 [ 1 - html] map["selector":"div#newsList h1 a" "url":"http://www.ifeng.com/"] (118.9926ms)
[000006] 1 [ 1 - scraped] map["url":"http://www.ifeng.com/"] (118.9926ms)
總結(jié)一下:
回調(diào)函數(shù)的調(diào)用順序如下:
OnRequest在發(fā)起請(qǐng)求前被調(diào)用
OnError請(qǐng)求過程中如果發(fā)生錯(cuò)誤被調(diào)用
OnResponse收到回復(fù)后被調(diào)用
OnHTML在OnResponse之后被調(diào)用,如果收到的內(nèi)容是HTML
OnScraped在OnHTML之后被調(diào)用
到此這篇關(guān)于Golang爬蟲框架colly使用淺析的文章就介紹到這了,更多相關(guān)Go colly框架內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
Go語(yǔ)言開發(fā)瀏覽器視頻流rtsp轉(zhuǎn)webrtc播放
這篇文章主要為大家介紹了Go語(yǔ)言開發(fā)瀏覽器視頻流rtsp轉(zhuǎn)webrtc播放的過程示例,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2022-04-04
Golang 實(shí)現(xiàn)分片讀取http超大文件流和并發(fā)控制
這篇文章主要介紹了Golang 實(shí)現(xiàn)分片讀取http超大文件流和并發(fā)控制,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-12-12
在Go中實(shí)現(xiàn)和使用堆棧以及先進(jìn)先出原則詳解
Go是一種功能強(qiáng)大的編程語(yǔ)言,提供了豐富的數(shù)據(jù)結(jié)構(gòu)和算法,堆棧是計(jì)算機(jī)科學(xué)中的基本數(shù)據(jù)結(jié)構(gòu)之一,在本博文中,我們將探討如何在?Go?中實(shí)現(xiàn)和使用堆棧,以及堆棧如何遵循先進(jìn)先出?(FIFO)?原則2023-10-10
詳解Golang中創(chuàng)建error的方式總結(jié)與應(yīng)用場(chǎng)景
Golang中創(chuàng)建error的方式包括errors.New、fmt.Errorf、自定義實(shí)現(xiàn)了error接口的類型等,本文主要為大家介紹了這些方式的具體應(yīng)用場(chǎng)景,需要的可以參考一下2023-07-07
Go使用TimerController解決timer過多的問題
多路復(fù)用,實(shí)際上Go底層也是一種多路復(fù)用的思想去實(shí)現(xiàn)的timer,但是它是底層的timer,我們需要解決的問題就過多的timer問題!本文給大家介紹了Go使用TimerController解決timer過多的問題,需要的朋友可以參考下2024-12-12

