[Go]網頁爬蟲

package main

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

func Get(url string) (result string, err error) {
	resp, err1 := http.Get(url)
	if err != nil {
		err = err1
		return
	}
	defer resp.Body.Close()
	//讀取網頁內容
	buf := make([]byte, 4*1024)
	for true {
		n, err := resp.Body.Read(buf)
		if err != nil {
			if err == io.EOF {
				fmt.Println("完成")
				break
			} else {
				fmt.Println("resp.Body.Read err = ", err)
				break
			}
		}
		result += string(buf[:n])
	}
	return
}

//將所有的網頁內容爬取下來
func SpiderPage(i int, page chan<- int) {
	url := "https://github.com/search?q=go&type=Repositories&p=1" + strconv.Itoa((i-1)*50)
	fmt.Printf("正在爬取第%d個網頁\n", i)
	result, err := Get(url)
	if err != nil {
		fmt.Println("http.Get err = ", err)
		return
	}
	//把內容寫入文件
	filename := "page"+strconv.Itoa(i) + ".html"
	f, err1 := os.Create(filename)
	if err1 != nil {
		fmt.Println("os.Create err = ", err1)
		return
	}
	//寫內容
	f.WriteString(result)
	//關閉文件
	f.Close()
	//每爬完一個，就給個值
	page <- i
}

func Run(start, end int) {
	fmt.Printf("正在爬取第%d頁到%d頁\n", start, end)
	//因為很有可能爬蟲還沒結束下面的循環就已經結束了，所以這裡就需要且到通道
	page := make(chan int)
	for i := start; i <= end; i++ {
		//將page阻塞
		go SpiderPage(i, page)
	}
	for i := start; i <= end; i++ {
		//這裡直接將面碼傳給點位符，數值直接從管道取出
		fmt.Printf("第%d個頁面爬取完成\n", <-page)
	}
}

func main() {
	var start, end int
	fmt.Printf("請輸入起始頁數字>=1：>")
	fmt.Scan(&start)
	fmt.Printf("請輸入結束頁數字：>")
	fmt.Scan(&end)
	Run(start, end)
}