百度贴吧爬虫

简单版

package main

import (
	"fmt"
	"io"
	"net/http"
	"os"
	"strconv"
)


func HttpGet(url string) (result string, err error) {
	resp, err1 := http.Get(url)
	if err1 != nil {
		err = err1 //将封装函数内部的错误,传出给调用者。
		return
	}
	defer resp.Body.Close()
	//循环读取网页数据,传出给调用者
	buf := make([]byte, 4096)
	for {
		n, err2 := resp.Body.Read(buf)
		if n == 0 {
			fmt.Println("读取网页完成")
			break
		}
		if err2 != nil && err2 != io.EOF {
			err = err2
			return
		}
		// 累加每一次循环读到的buf数据,存入result 一次性返回.
		result += string(buf[:n])
	}
	return
}

//爬取页面操作。
func working(start, end int) {
	fmt.Printf("正在爬取第%d页到%d页.... \n", start, end)
	//循环爬取每一页数据
	for i := start; i <= end; i++ {
		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)
		result, err := HttpGet(url)
		if err != nil {
			fmt.Println("HttpGet err:", err)
			continue
		}
		// fmt.Println("result=",result) //将读到的整网页数据,保存成一个文件
		f, err := os.Create("第" + strconv.Itoa(i) + "页" + ".html")
		if err != nil {
			fmt.Println("Create err:", err)
			continue
		}
		f.WriteString(result)
		f.Close() // 保存好一个文件,关闭一个文件
		//defer f.Close()
	}

}
func main() {
	//指定爬取起始、终止页
	var start, end int
	fmt.Print("请输入爬取的起始页(i>=1): ")
	fmt.Scan(&start)
	fmt.Print("请输入爬取的终止页(>=start): ")
	fmt.Scan(&end)
	working(start, end)
}

升级版 并发爬虫

package main

import (
	"fmt"
	"io"
	"net/http"
	"os"
	"strconv"
)

func HttpGet(url string) (result string, err error) {
	resp, err1 := http.Get(url)
	if err1 != nil {
		err = err1 //将封装函数内部的错误,传出给调用者。
		return
	}
	defer resp.Body.Close()
	//循环读取网页数据,传出给调用者
	buf := make([]byte, 4096)
	for {
		n, err2 := resp.Body.Read(buf)
		if n == 0 {
			fmt.Println("读取网页完成")
			break
		}
		if err2 != nil && err2 != io.EOF {
			err = err2
			return
		}
		// 累加每一次循环读到的buf数据,存入result 一次性返回.
		result += string(buf[:n])
	}
	return
}



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)
	result, err := HttpGet(url)
	if err != nil {
		fmt.Println("HttpGet err:", err)
		return
	}
	// fmt.Println("result=",result) //将读到的整网页数据,保存成一个文件
	f, err := os.Create("第" + strconv.Itoa(i) + "页" + ".html")
	if err != nil {
		fmt.Println("Create err:", err)
		return
	}
	f.WriteString(result)
	f.Close() // 保存好一个文件,关闭一个文件
    page <- i     // 与主go程完成同步
}


//爬取页面操作。
func working2(start, end int) {
	fmt.Printf("正在爬取第%d页到%d页.... \n", start, end)

	page := make(chan int)

	//循环爬取每一页数据
	for i := start; i <= end; i++ {
		go SpiderPage(i,page)
	}
	for i := start; i <= end; i++ {
		fmt.Printf("第%d个页面爬取完成\n",<-page)
	}

}
func main() {
	//指定爬取起始、终止页
	var start, end int
	fmt.Print("请输入爬取的起始页(i>=1): ")
	fmt.Scan(&start)
	fmt.Print("请输入爬取的终止页(>=start): ")
	fmt.Scan(&end)
	working2(start, end)
}