Golang爬虫获取100份数后端资料

2022年2月11日 403点热度 0人点赞 0条评论

关注公众号「不穿格子衫的程序猿」，回复「我要白嫖」免费获取400份资料

前两天有小伙伴发了一个大量免费书籍的网站给小编，作为「张江白嫖王」的小编当然要据为己有啊。于是乎小编简单地分析了一下。感觉手动下载太慢了，然后就简简单单的写了一个爬虫，感觉效果还不错。本着授人以鱼不如授人以渔的原则，小编将源码分享出来，各位看官大人可以自行实验。同时这些资料也会更新到小编的公众号。

整体架构

代码的整体架构还是很简单滴，主要分为以下几步。

根据爬虫获取所有下载链接；
遍历所有链接，单个处理；
对链接进行URL解码生成中文名；
根据文件名判断文件是否已经下载，保证幂等；
下载文件并保存；

结果演示

为了演示结果，小编有两个文件提前下载了，如下图：

详细代码

如下为详细代码，除了xPach需要我们结合HTML页面进行分析，其余的没什么太大的难度。

package main
import (  "bytes"  "fmt"  "io"  "io/ioutil"  "net/http"  "net/url"  "os"  "path"  "strings"
  "github.com/gocolly/colly")
const (  // 文件对应的域名，这里需要自己填写  fileDomain = "https://awesome-programming-books.github.io/"  // xPach 这里需要自己分析HTML页面  xPach = "div[class='is-mac'] > ul > li > a")
func main() {
  urlList := getUrlList()
  // 下载到本地  for _, fileUrl := range urlList {
    fileName := returnFileName(fileUrl) // url解码    if fileName == "" {      fmt.Println("文件名称异常：", fileUrl)    }    if fileExist(fileName) {      fmt.Println("文件已经存在：", fileName)      continue    }
    fmt.Println("开始下载，文件为：", fileName)    err := download(fileUrl, fileName)    if err != nil {      fmt.Println("下载失败，文件为：", fileName)    }  }
}
// 爬虫获取func getUrlList() (urlList []string) {
  urlList = make([]string, 0)
  c := colly.NewCollector()  c.OnHTML(xPach, func(e *colly.HTMLElement) {    href := e.Attr("href")    // 去掉前缀，每个相对路径前面有【./】。需要去掉，后续拼接    href = strings.Replace(href, "./", "", 1)
    urlList = append(urlList, fileDomain+href)  })
  if err := c.Visit(fileDomain); err != nil {    return  }
  return}
// 生成文件名称func returnFileName(fileUrl string) string {  fileName, err := url.QueryUnescape(fileUrl) // url解码  if err != nil {    fmt.Println("解析文件名失败，：", err)    return ""  }  fileName = strings.Replace(fileName, fileDomain, "", 1) // 去掉前缀
  return path.Base(fileName) // 去掉目录，只保留最后}
// 判断文件是否存在func fileExist(path string) bool {  _, err := os.Lstat(path)  return !os.IsNotExist(err)}
// 下载文件func download(url, fileName string) (err error) {  fileName = path.Base(fileName)
  fmt.Println(fileName)  out, err := os.Create(fileName)  defer out.Close()  resp, err := http.Get(url)  defer resp.Body.Close()  pix, err := ioutil.ReadAll(resp.Body)  _, err = io.Copy(out, bytes.NewReader(pix))  return
}