返回

网络小爬虫实战案例

发布时间:2023-02-20 12:09:22 202
# html# python# 爬虫# 数据

爬虫总体上分为四个主要步骤:

1、明确目标,需要做的从哪个途径或者哪个范围内网页搜索。

2、爬,将获取到的网站内容全部爬下来。

3、取,对数据分析去掉没用的数据。

4、处理数据,按照我们想要的方式存储和使用。

某吧小爬虫

代码如下:

package main

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

//爬取网页内容
func HttpGet(url string) (result string, err error) {
resp, err1 := http.Get(url)
if err1 != nil {
err = err1
return
}
defer resp.Body.Close()
//读取网页body的内容
buf := make([]byte, 1204*4)
for {
n, err := resp.Body.Read(buf)
if n == 0 { //读取结束,或者出问题
fmt.Println("resp.Body.Read err = ", err)
break
}
result += string(buf[:n])
}
return
}

func DoWork(start, end int) {
fmt.Printf("正在爬取 %d 到 %d 的页面\n", start, end)

//1,明确目标(要知道你准备在哪个范围或者网站去搜索)
//https://tieba.baidu.com/f?kw=%E7%BB%9D%E5%9C%B0%E6%B1%82%E7%94%9F&ie=utf-8&pn=0 //下一页+50
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)
fmt.Println("url = ", url)

//2,爬取内容(将网站内容爬取下来)
result, err := HttpGet(url)
if err != nil {
fmt.Println("HttpGet err = ", err)
continue
}
//把内容写入到文件
fileName := strconv.Itoa(i) + ".html"
f, err1 := os.Create(fileName)
if err1 != nil {
fmt.Println("os.Create err1 = ", err1)
continue
}
f.WriteString(result) //写内容
f.Close() //关闭文件

}

}

func main() {
var start, end int
fmt.Printf("请输入起始页(>= 1):")
fmt.Scan(&start)
fmt.Printf("请输入终止页(>= 起始页):")
fmt.Scan(&end)

DoWork(start, end)

}

运行之后,将会把爬取的内容保存在文件中。

特别声明:以上内容(图片及文字)均为互联网收集或者用户上传发布,本站仅提供信息存储服务!如有侵权或有涉及法律问题请联系我们。
举报
评论区(0)
按点赞数排序
用户头像
精选文章
thumb 中国研究员首次曝光美国国安局顶级后门—“方程式组织”
thumb 俄乌线上战争,网络攻击弥漫着数字硝烟
thumb 从网络安全角度了解俄罗斯入侵乌克兰的相关事件时间线