go练习:Web 爬虫

代码:

SafeRun加锁设置url的已访问

通过

for i:=0; i < len(urls); i++{
		<-sub_quit
	}

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)
}
var lockx = make(chan int,1) 
func SafeRun(f func()){
	<-lockx
	f()
	lockx <-1
}
var visited map[string]bool = make(map[string]bool) 
// 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, quit chan int) {
	// 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:
	defer func(){
		quit<-1
	}()
	if depth <= 0 || visited[url] {
		return
	}
	body, urls, err := fetcher.Fetch(url)
	SafeRun(func(){
		visited[url]=true
	})
	if err != nil {
		fmt.Println(err)
		return
	}
	fmt.Printf("found: %s %q\n", url, body)
	sub_quit := make(chan int,len(urls))
	for _, u := range urls {
		Crawl(u, depth-1, fetcher,sub_quit)
	}
	for i:=0; i < len(urls); i++{
		<-sub_quit
	}
	return
}
func main() {
	lockx<-1
	quit := make(chan int,1)
	Crawl("http://golang.org/", 4, fetcher,quit)
	fmt.Println(<-quit)
}
// 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/",
		},
	},
}

本文来自:CSDN博客

感谢作者:icyday

查看原文:go练习:Web 爬虫

• 编辑
• 预览