本文实例讲述了go语言实现的web爬虫方法。分享给大家供大家参考。具体分析如下:
这里使用 go 的并发特性来并行执行 web 爬虫。
修改 crawl 函数来并行的抓取 urls,并且保证不重复。
package main
import (
"fmt"
)
type fetcher interface {
// fetch 返回 url 的 body 内容,并且将在这个页面上找到的 url 放到一个 slice 中。
fetch(url string) (body string, urls []string, err error)
}
// crawl 使用 fetcher 从某个 url 开始递归的爬取页面,直到达到最大深度。
func crawl(url string, depth int, fetcher fetcher) {
// todo: 并行的抓取 url。
// todo: 不重复抓取页面。
// 下面并没有实现上面两种情况:
if depth <= 0 {
return
}
body, urls, err := fetcher.fetch(url)
if err != nil {
fmt.println(err)
return
}
fmt.printf("found: %s %q\n", url, body)
for _, u := range urls {
crawl(u, depth-1, fetcher)
}
return
}
func main() {
crawl("http://golang.org/", 4, fetcher)
}
// fakefetcher 是返回若干结果的 fetcher。
type fakefetcher map[string]*fakeresult
type fakeresult struct {
body string
urls []string
}
func (f *fakefetcher) fetch(url string) (string, []string, error) {
if res, ok := (*f)[url]; ok {
return res.body, res.urls, nil
}
return "", nil, fmt.errorf("not found: %s", url)
}
// fetcher 是填充后的 fakefetcher。
var fetcher = &fakefetcher{
"http://golang.org/": &fakeresult{
"the go programming language",
[]string{
"http://golang.org/pkg/",
"http://golang.org/cmd/",
},
},
"http://golang.org/pkg/": &fakeresult{
"packages",
[]string{
"http://golang.org/",
"http://golang.org/cmd/",
"http://golang.org/pkg/fmt/",
"http://golang.org/pkg/os/",
},
},
"http://golang.org/pkg/fmt/": &fakeresult{
"package fmt",
[]string{
"http://golang.org/",
"http://golang.org/pkg/",
},
},
"http://golang.org/pkg/os/": &fakeresult{
"package os",
[]string{
"http://golang.org/",
"http://golang.org/pkg/",
},
},
}
希望本文所述对大家的go语言程序设计有所帮助。
如对本文有疑问,
点击进行留言回复!!
相关文章:
-
-
-
-
-
Go语言正则表达式的使用详解
正则表达式是一种进行模式匹配和文本操纵的功能强大的工具。正则表达式灵活、易用,按照它的语法规则,随需构造出的匹配模式就能够从原始文本中筛选出几乎任何你想要得到的...
[阅读全文]
-
-
-
-
-
Go打包二进制文件的实现
背景众所周知,go语言可打包成目标平台二进制文件是其一大优势,如此go项目在服务器不需要配置go环境和依赖就可跑起来。操作需求:打包部署到centos7笔者打包...
[阅读全文]
-
网友评论