首先我们需要了解什么是爬虫?
网络爬虫(又被称为网页蜘蛛,网络机器人,在FOAF社区中间,更经常的称为网页追逐者),是一种按照一定的规则,自动地抓取万维网信息的程序或者脚本。另外一些不常使用的名字还有蚂蚁、自动索引、模拟程序或者蠕虫。
简单示例
接下来写一个简单的示例:
package main
import (
"fmt"
"net/http"
"os"
"strconv"
)
func pachong(start, end int) {
//明确爬的地址
url := "https://tieba.baidu.com/f?kw=%E6%AE%B5%E5%AD%90&ie=utf-8&pn="
for i := start; i < end+1; i++ {
fmt.Printf("当前爬取第 %d 页\n", i)
res, err := curl(url + strconv.Itoa(i*50))
if err != nil {
fmt.Println("你有错误:", err)
}
name := strconv.Itoa(i) + ".html"
//创建文件
f, err1 := os.Create(name)
if err1 != nil {
fmt.Println("文件创建失败:", err1)
}
//内容写入文件
f.WriteString(res)
//关闭文件
f.Close()
}
}
//爬取网页内容
func curl(url string) (reques string, err error) {
resq, err1 := http.Get(url)
if err1 != nil {
err = err1
return
}
//最后关闭
defer resq.Body.Close()
str := make([]byte, 1024*5)
//循环读取数据
for {
number, _ := resq.Body.Read(str)
if number == 0 {
fmt.Println("爬取页面成功!")
break
}
reques += string(str[:number])
}
return
}
func main() {
var start, end int
//var c chan int
fmt.Println("[请输入起始页面:]")
//获取输入
fmt.Scan(&start)
fmt.Println("[请输入终止页面:]")
fmt.Scan(&end)
pachong(start, end)
}
这只是简单的爬去网页的源代码,我们可以使用正则表达式爬去想要获得的内容。