" />

欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Golang爬蟲框架 colly的使用

 更新時間:2022年07月11日 09:48:51   作者:小馨whisper  
本文主要介紹了Golang爬蟲框架 colly的使用,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧

Golang爬蟲框架 colly 簡介

colly是一個采用Go語言編寫的Web爬蟲框架,旨在提供一個能夠些任何爬蟲/采集器/蜘蛛的簡介模板,通過Colly。你可以輕松的從網站提取結構化數(shù)據(jù),然后進行數(shù)據(jù)挖掘,處理或歸檔

項目特性

  • 清晰明了的API
  • 速度快(每個內核上的請求數(shù)大于1K)
  • 管理每個域的請求延遲和最大并發(fā)數(shù)
  • 自動cookie和會話處理
  • 同步/異步/ 并行抓取
  • 高速緩存
  • 自動處理非Unicode編碼
  • 支持Robots.txt
  • 支持Google App Engine
  • 通過環(huán)境變量進行配置
  • 可拓展

安裝colly

go get -u github.com/gocolly/colly

第一個colly 應用

package main

import (
	"fmt"
	"github.com/gocolly/colly"
)

func main() {
	c := colly.NewCollector()

	// goquery selector class
	c.OnHTML(".sidebar_link", func(e *colly.HTMLElement) {
		e.Request.Visit(e.Attr("href"))
/*		link := e.Attr("href")
		// Print link
		fmt.Printf("Link found: %q -> %s\n", e.Text, link)
		// Visit link found on page
		// Only those links are visited which are in AllowedDomains
		c.Visit(e.Request.AbsoluteURL(link))*/
	})

	c.OnRequest(func(r *colly.Request) {
		fmt.Println("url:",r.URL)
	})
	c.Visit("https://gorm.io/zh_CN/docs/")

}

回調函數(shù)的調用順序

  • OnRequest 在請求之前調用
  • OnError 如果請求期間發(fā)生錯誤,則調用
  • OnResponseHeaders 在收到響應標頭后調用
  • OnResponse 收到回復后調用
  • OnHTML OnResponse如果接收到的內容是HTML ,則在此之后立即調用
  • OnXML OnHTML如果接收到的內容是HTML或XML ,則在之后調用
  • OnScraped 在OnXML回調之后調用

實例

func collback()  {  // 添加回調 收集器
	c:= colly.NewCollector()
	c.OnRequest(func(r *colly.Request) {
		fmt.Println("請求前調用:OnRequest")
		// fmt.Println("Visiting", r.URL)
	})

	c.OnError(func(_ *colly.Response, err error) {
		fmt.Println("發(fā)生錯誤調用:OnReOnError")
		//log.Println("Something went wrong:", err)
	})

/*	c.OnResponseHeaders(func(r *colly.Response) {  //高版本已經不用了
		fmt.Println("Visited", r.Request.URL)
	})
*/
	c.OnResponse(func(r *colly.Response) {
		fmt.Println("獲得響應后調用:OnResponse")
		//fmt.Println("Visited", r.Request.URL)
	})

	c.OnHTML("a[href]", func(e *colly.HTMLElement) {
		fmt.Println("OnResponse收到html內容后調用:OnHTML")
		//e.Request.Visit(e.Attr("href"))
	})

/*	c.OnHTML("tr td:nth-of-type(1)", func(e *colly.HTMLElement) {
		fmt.Println("First column of a table row:", e.Text)
	})*/

	c.OnXML("http://h1", func(e *colly.XMLElement) {
		fmt.Println("OnResponse收到xml內容后調用:OnXML")
		//fmt.Println(e.Text)
	})

	c.OnScraped(func(r *colly.Response) {
		fmt.Println("結束", r.Request.URL)
	})
	c.Visit("https://gorm.io/zh_CN/docs/")

}

得到的:

在這里插入圖片描述

colly 的配置

設置UserAgent

//設置UserAgent的兩種方式:

/*	//方式一 :
    c2 := colly.NewCollector()
	c2.UserAgent = "xy"
	c2.AllowURLRevisit = true*/

/*  //方式二 :
	c2 := colly.NewCollector(
		colly.UserAgent("xy"),
		colly.AllowURLRevisit(),
	)*/

設置Cookie

	//設置cookie的兩種方式
	//方式一:通過手動網頁添加cookies
	c.OnRequest(func(r *colly.Request) {
		r.Headers.Add("cookie","_ga=GA1.2.1611472128.1650815524; _gid=GA1.2.2080811677.1652022429; __atuvc=2|17,0|18,5|19")
	})
	// 方式二 :通過url 添加cookies
	siteCookie := c.Cookies("url")
	c.SetCookies("",siteCookie)

HTTP配置

Colly使用Golang的默認http客戶端作為網絡層??梢酝ㄟ^更改默認的HTTP roundtripper來調整HTTP選項。

c := colly.NewCollector()
c.WithTransport(&http.Transport{
	Proxy: http.ProxyFromEnvironment,
	DialContext: (&net.Dialer{
		Timeout:   30 * time.Second,
		KeepAlive: 30 * time.Second,
		DualStack: true,
	}).DialContext,
	MaxIdleConns:          100,
	IdleConnTimeout:       90 * time.Second,
	TLSHandshakeTimeout:   10 * time.Second,
	ExpectContinueTimeout: 1 * time.Second,
}

colly頁面爬取和解析

頁面爬取和解析重點方法是 onHTML 回調方法

	c.OnHTML("a[href]", func(e *colly.HTMLElement) {
        fmt.Printf("e.Name:%v\n",e.Name)
		e.Request.Visit(e.Attr("href"))
	})




func html()  {
	c:= colly.NewCollector()
	c.OnHTML("#sidebar", func(e *colly.HTMLElement) {
		//fmt.Printf("e.Name:%v\n",e.Name) //名字
		//fmt.Printf("e.Text:%v\n",e.Text) //文本

		ret, _ := e.DOM.Html() // selector 選擇器
		fmt.Printf("ret:%v\n",ret)
	})
	c.OnRequest(func(r *colly.Request) {
		fmt.Println("url:",r.URL)
	})
	c.Visit("https://gorm.io/zh_CN/docs/")
}

第一個參數(shù)是:goquery選擇器,可以元素名稱,ID或者Class選擇器,第二個參數(shù)是根據(jù)第一個選擇器獲得的HTML元素結構如下:

colly框架重構爬蟲

package main

import (
	"fmt"
	"github.com/gocolly/colly"
)

func main()  {
	c:= colly.NewCollector()
	c.OnHTML(".sidebar_link", func(e *colly.HTMLElement) {  // 左側鏈接

		href := e.Attr("href")
		if href != "index.html"{
			c.Visit(e.Request.AbsoluteURL(href))
		}
	})
	c.OnHTML(".article-title", func(h *colly.HTMLElement) {  // 選擇鏈接之后的標題
		title := h.Text
		fmt.Printf("title: %v\n",title)
	})
	c.OnHTML(".article", func(h *colly.HTMLElement) {  //內容
		content, _ := h.DOM.Html()
		fmt.Printf("content: %v\n",content)
	})
	c.OnRequest(func(r *colly.Request) {
		fmt.Println("url:",r.URL.String())
	})
	c.Visit("https://gorm.io/zh_CN/docs/")
}

到此這篇關于Golang爬蟲框架 colly的使用的文章就介紹到這了,更多相關Golang colly內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!

相關文章

  • golang 實現(xiàn)時間戳和時間的轉化

    golang 實現(xiàn)時間戳和時間的轉化

    這篇文章主要介紹了golang 實現(xiàn)時間戳和時間的轉化操作,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2021-05-05
  • 教你用go語言實現(xiàn)比特幣交易功能(Transaction)

    教你用go語言實現(xiàn)比特幣交易功能(Transaction)

    每一筆比特幣交易都會創(chuàng)造輸出,輸出都會被區(qū)塊鏈記錄下來。給某個人發(fā)送比特幣,實際上意味著創(chuàng)造新的 UTXO 并注冊到那個人的地址,可以為他所用,今天通過本文給大家分享go語言實現(xiàn)比特幣交易功能,一起看看吧
    2021-05-05
  • Golang 實現(xiàn)Socket服務端和客戶端使用TCP協(xié)議通訊

    Golang 實現(xiàn)Socket服務端和客戶端使用TCP協(xié)議通訊

    這篇文章主要介紹了Golang 實現(xiàn)Socket服務端和客戶端使用TCP協(xié)議通訊,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-12-12
  • Go語言排序算法:快速、可靠的排序解決方案

    Go語言排序算法:快速、可靠的排序解決方案

    Go語言提供了多種快速、可靠的排序算法,可以滿足不同場景下的排序需求,其中最常用的排序算法包括快速排序、歸并排序和堆排序,需要的朋友可以參考下
    2023-10-10
  • 一文帶你了解Golang中interface的設計與實現(xiàn)

    一文帶你了解Golang中interface的設計與實現(xiàn)

    本文就來詳細說說為什么說?接口本質是一種自定義類型,以及這種自定義類型是如何構建起?go?的?interface?系統(tǒng)的,感興趣的小伙伴可以跟隨小編一起學習一下
    2023-01-01
  • Go語言基于HTTP的內存緩存服務的實現(xiàn)

    Go語言基于HTTP的內存緩存服務的實現(xiàn)

    這篇文章主要介紹了Go語言基于HTTP的內存緩存服務,本程序采用REST接口,支持設置(Set)、獲取(Get)和刪除(Del)這3個基本操作,同時還支持對緩存服務狀態(tài)進行查詢,需要的朋友可以參考下
    2022-08-08
  • 詳解go語言中type關鍵詞的幾種使用

    詳解go語言中type關鍵詞的幾種使用

    這篇文章主要介紹了詳解go語言中type的幾種使用,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧
    2021-02-02
  • Go語言時間相關操作合集(超詳細)

    Go語言時間相關操作合集(超詳細)

    在開發(fā)應用程序的過程中,經常需要記錄某些操作的時間或者格式化時間戳,因此大部分編程語言都會有操作時間的庫,Go語言當然也不例外,本文我們就一起來學習一下time包的使用
    2023-08-08
  • 如何判斷Golang接口是否實現(xiàn)的操作

    如何判斷Golang接口是否實現(xiàn)的操作

    這篇文章主要介紹了如何判斷Golang接口是否實現(xiàn)的操作,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-12-12
  • Goland IDEA項目多開設置方式

    Goland IDEA項目多開設置方式

    這篇文章主要介紹了Goland IDEA項目多開設置方式,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教
    2023-12-12

最新評論