Golang net/http 爬蟲[1]

上周從零學習了golang，語法簡單關(guān)鍵字少，寫個爬蟲熟悉一下語法結(jié)構(gòu)。

10年積累的網(wǎng)站建設(shè)、成都網(wǎng)站設(shè)計經(jīng)驗，可以快速應(yīng)對客戶對網(wǎng)站的新想法和需求。提供各種問題對應(yīng)的解決方案。讓選擇我們的客戶得到更好、更有力的網(wǎng)絡(luò)服務(wù)。我雖然不認識你，你也不認識我。但先網(wǎng)站制作后付款的網(wǎng)站建設(shè)流程，更有達孜免費網(wǎng)站建設(shè)讓你可以放心的選擇與我們合作。

首先選用了原生的net/http包，基本上涵蓋了所有的get/post請求，各種參數(shù)都可以設(shè)置，網(wǎng)上google到html頁面解析goquery神器，很輕松就可以解決頁面解析問題。

首先就寫了個爬取匯率的爬蟲。然后重寫之前php的一個請求類，請求類的邏輯有點混亂不清晰，往往把兩個不同的功能合并到一起寫，粒度大，后來發(fā)現(xiàn)了一個好用的框架——colly，之后再試試好不好用

Windows 10 Golang

依賴包：goquery

較常用的方法有Find和Each

爬取中國銀行的匯率牌價表，golang依賴net/http包和goquery包

唯一的難點是對于goquery方法的使用，需要閱讀官方文檔：

使用原生的net/http包基本上可以解決大多數(shù)的網(wǎng)頁請求，使用goquery可以解決頁面解析問題

可以利用golang的協(xié)程特性進行異步多協(xié)程爬取

增加安全性可以通過幾個方面進行改進：

1.首先可以限制爬蟲的爬取速度

2.每次對網(wǎng)頁的請求都隨機選用一個客戶端

3.選用IP代理池，防止IP誤封（及限制ip訪問次數(shù)）

構(gòu)造請求代理ip網(wǎng)站的鏈接→獲取網(wǎng)頁內(nèi)容→ 提取網(wǎng)頁中IP地址和端口號→驗證IP的有效性并存儲

輕量級反爬蟲方案

淺談JSP

golang帶json的Http請求

Get/Post

HTTP請求中的Form Data和Request Payload的區(qū)別

HTTP Json請求

net/http：

golang HTTP操作

python建立爬蟲代理ip池

爬蟲黑科技之讓你的爬蟲程序更像人類用戶的行為

特點：事件監(jiān)聽，通過callback執(zhí)行事件處理

基于colly開發(fā)的web管理界面

golang爬蟲框架colly

colly一款快速優(yōu)雅的golang爬蟲框架，簡單易用，功能完備。

官網(wǎng)地址：

包地址： import "github.com/gocolly/colly"

一個簡單的例子：

使用方式概括下來主要有三步：

創(chuàng)建采集器時可以指定一些配置參數(shù)，如useragent，爬取深度及日志等

回調(diào)函數(shù)共有7中

通過瀏覽器開發(fā)者工具查看jianshu.com結(jié)構(gòu)如下

文章列表為ul標簽，中間每一項是li標簽，li中包含content，content中包含title，abstract和meta標簽

golang從入門到精通，搭建本地selenium自動化測試環(huán)境

用Golang做爬蟲，當面對頁面存在復(fù)雜的JS的情況，使用普通的http.get或者http.post，如不做特殊處理，將無法解析頁面源代碼。

在使用python的過程中，可以使用selenium進行爬取數(shù)據(jù)，或使用selenium自動化測試，那么用Golang怎么處理這個問題呢？

其實Golang中也有selenium，Selenium 作為一個用于 Web 應(yīng)用程序測試的工具，可以模擬真實瀏覽器進行操作，也可以實現(xiàn)鼠標點擊、滾輪、輸入等用戶日常操作。

我們通過2節(jié)課的學習，實現(xiàn)1、本地啟動selenium服務(wù)；2、遠程啟動selenium服務(wù)。