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。
复制代码 代码如下: 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。
评论(0)