Golang爬虫入门指南_golang mini-spider详解 goodcoder_go 爬虫

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新Golang全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Go语言开发知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024b （备注go）

正文

“fmt”
“net/http”
“golang.org/x/net/html”
)

func main() {
resp, err := http.Get(“https://www.example.com”)
if err != nil {
fmt.Println(“请求发送失败：”, err)
return
}
defer resp.Body.Close()

doc, err := html.Parse(resp.Body)
if err != nil {
fmt.Println(“解析HTML失败：”, err)
return
}

// 在这里进行HTML解析操作…

}

上面的代码中，我们使用html.Parse函数来解析HTML，并得到一个表示整个HTML文档的树状结构。在这个树状结构中，我们可以使用不同的方法来查找和提取我们需要的数据。

package main

import (
“fmt”
“net/http”
“golang.org/x/net/html”
)

func main() {
resp, err := http.Get(“https://www.example.com”)
if err != nil {
fmt.Println(“请求发送失败：”, err)
return
}
defer resp.Body.Close()

doc, err := html.Parse(resp.Body)
if err != nil {
fmt.Println(“解析HTML失败：”, err)
return
}

findLinks(doc)
}

func findLinks(n *html.Node) {
if n.Type == html.ElementNode && n.Data == “a” {
for _, a := range n.Attr {
if a.Key == “href” {
fmt.Println(a.Val)
}
}
}

for c := n.FirstChild; c != nil; c = c.NextSibling {
findLinks©
}
}

上面的代码中，我们定义了一个递归函数findLinks来查找HTML中的所有链接。我们使用html.Node的Type和Data属性来判断当前节点是否为<a>标签，并使用Attr属性来获取链接的地址。

四、并发爬虫

并发是Golang的一个重要特性，能够提高爬虫的效率。我们可以使用Golang的并发机制来同时发送多个HTTP请求，加快网页的爬取速度。

package main

import (
“fmt”
“net/http”
“golang.org/x/net/html”
)

func main() {
urls := []string{
“https://www.example.com/page1”,
“https://www.example.com/page2”,
“https://www.example.com/page3”,
}

ch := make(chan string)

for _, url := range urls {
go fetch(url, ch)
}

for range urls {
fmt.Println(<-ch)
}
}

func fetch(url string, ch chan<- string) {
resp, err := http.Get(url)
if err != nil {
ch <- fmt.Sprintf(“请求 %s 发送失败：%v”, url, err)
return
}
defer resp.Body.Close()

doc, err := html.Parse(resp.Body)
if err != nil {
ch <- fmt.Sprintf(“解析 %s 失败：%v”, url, err)
return
}

// 在这里进行HTML解析操作…

ch <- fmt.Sprintf(“请求 %s 完成”, url)
}

上面的代码中，我们定义了一个ch通道用于接收爬虫的结果。然后，我们使用go关键字来开启多个协程，每个协程负责爬取一个网页的内容并进行解析。最后，我们使用<-ch来从通道中获取结果并打印出来。

五、数据存储

爬取到的数据通常需要保存到数据库或者文件中。Golang提供了各种数据库驱动和文件操作函数，可以方便地进行数据存储。

package main

import (
“fmt”
“net/http”
“golang.org/x/net/html”
“os”
“io”
)

func main() {
resp, err := http.Get(“https://www.example.com”)
if err != nil {
fmt.Println(“请求发送失败：”, err)
return
}
defer resp.Body.Close()

file, err := os.Create(“output.html”)
if err != nil {
fmt.Println(“创建文件失败：”, err)
return
}
defer file.Close()

_, err = io.Copy(file, resp.Body)
if err != nil {
fmt.Println(“保存文件失败：”, err)
return
}

fmt.Println(“文件保存成功”)
}

上面的代码中，我们使用os.Create函数创建了一个名为output.html的文件，并使用io.Copy函数将HTTP响应的内容保存到文件中。

六、案例

案例一：爬取网页标题

package main

import (
“fmt”
“net/http”
“golang.org/x/net/html”
)

func main() {
resp, err := http.Get(“https://www.example.com”)
if err != nil {
fmt.Println(“请求发送失败：”, err)
return
}
defer resp.Body.Close()

doc, err := html.Parse(resp.Body)
if err != nil {
fmt.Println(“解析HTML失败：”, err)
return
}

title := findTitle(doc)
fmt.Println(“网页标题：”, title)
}

func findTitle(n *html.Node) string {
if n.Type == html.ElementNode && n.Data == “title” {
return n.FirstChild.Data
}

for c := n.FirstChild; c != nil; c = c.NextSibling {
title := findTitle©
if title != “” {
return title
}
}

return “”
}

在上面的例子中，我们使用findTitle函数来查找网页的标题。我们通过递归遍历HTML树，如果遇到<title>标签，我们就返回其内容。

案例二：爬取图片链接

package main

import (
“fmt”
“net/http”
“golang.org/x/net/html”
)

func main() {

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024b （备注Go）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

func main() {

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024b （备注Go）
[外链图片转存中…(img-NUUn9Axk-1713311208368)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！