Go语言实现的web爬虫代码,GO代码库,德仔网

代码语言

代码分类

【GO】 Go语言实现的web爬虫

作者:汶纡 / 发布于2014/11/18/ 1162


	package main
	
	import (
	 "fmt"
	)
	
	type Fetcher interface {
	 // Fetch 返回 URL 的 body 内容，并且将在这个页面上找到的 URL 放到一个 slice 中。
	 Fetch(url string) (body string, urls []string, err error)
	}
	
	// Crawl 使用 fetcher 从某个 URL 开始递归的爬取页面，直到达到最大深度。
	func Crawl(url string, depth int, fetcher Fetcher) {
	 // TODO: 并行的抓取 URL。
	 // TODO: 不重复抓取页面。
	 // 下面并没有实现上面两种情况：
	 if depth <= 0 {
	 return
	 }
	 body, urls, err := fetcher.Fetch(url)
	 if err != nil {
	 fmt.Println(err)
	 return
	 }
	 fmt.Printf("found: %s %q\n", url, body)
	 for _, u := range urls {
	 Crawl(u, depth-1, fetcher)
	 }
	 return
	}
	
	func main() {
	 Crawl("http://golang.org/", 4, fetcher)
	}
	
	
	// fakeFetcher 是返回若干结果的 Fetcher。
	type fakeFetcher map[string]*fakeResult
	
	type fakeResult struct {
	 body string
	 urls []string
	}
	
	func (f *fakeFetcher) Fetch(url string) (string, []string, error) {
	 if res, ok := (*f)[url]; ok {
	 return res.body, res.urls, nil
	 }
	 return "", nil, fmt.Errorf("not found: %s", url)
	}
	
	// fetcher 是填充后的 fakeFetcher。
	var fetcher = &fakeFetcher{
	 "http://golang.org/": &fakeResult{
	 "The Go Programming Language",
	 []string{
	 "http://golang.org/pkg/",
	 "http://golang.org/cmd/",
	 },
	 },
	 "http://golang.org/pkg/": &fakeResult{
	 "Packages",
	 []string{
	 "http://golang.org/",
	 "http://golang.org/cmd/",
	 "http://golang.org/pkg/fmt/",
	 "http://golang.org/pkg/os/",
	 },
	 },
	 "http://golang.org/pkg/fmt/": &fakeResult{
	 "Package fmt",
	 []string{
	 "http://golang.org/",
	 "http://golang.org/pkg/",
	 },
	 },
	 "http://golang.org/pkg/os/": &fakeResult{
	 "Package os",
	 []string{
	 "http://golang.org/",
	 "http://golang.org/pkg/",
	 },
	 },
	}

试试其它关键字

　web爬虫　　爬虫　

同语言下

可能有用的

汶纡贡献的其它代码(55)