zoukankan      html  css  js  c++  java
  • go语言爬虫goquery和grequests的使用

    /*下载工具*/  
    package main  
      
    import (  
        "fmt"  
        //go语言版本的jquery  
        "github.com/PuerkitoBio/goquery"  
        "os"  
        "sync"  
        "strings"  
        //go语言版本的request  
        "github.com/levigross/grequests"  
        "time"  
        "strconv"  
    )  
      
    var wg sync.WaitGroup  
      
    func main() {  
        now := time.Now()  
        initalUrls := []string{"http://www.zngirls.com/girl/18071/album/", }  
        for _, url := range initalUrls {  
            doc, err := goquery.NewDocument(url)  
            if err != nil {  
                fmt.Errorf("下载错误:%#v", err)  
                os.Exit(-1)  
            }  
      
            doc.Find(".igalleryli_link").Each(func(i int, s *goquery.Selection) {  
                src, exists := s.Find("img").Attr("src")  
                fmt.Printf("开始下载影集图片:%v
    ", src)  
                if (exists) {  
                    wg.Add(1)  
                    go func(src string) {  
                        defer wg.Done()  
      
                        //下载图片  
                        //tryTimes := map[int]int  
                        n := 0  
                        s := strings.Replace(src, "cover/", "", 1)  
                        ss := strings.Split(s, "/")  
                        fm := strings.Join(ss[:len(ss) - 1], "/")  
                        sf0 := fm + "/%d.jpg"  
                        sfn := fm + "/%03d.jpg"  
      
                        for {  
                            //持续下载  
                            s := ""  
                            if n == 0 {  
                                s = fmt.Sprintf(sf0, n)  
                            } else {  
                                s = fmt.Sprintf(sfn, n)  
                            }  
      
                            fmt.Printf("准备下载: %v
    ", s)  
                            res, _ := grequests.Get(s, &grequests.RequestOptions{  
                                //结构体可以对指定的类型给值,而不一定都赋值  
                                Headers:map[string]string{  
                                    "Referer":"http://www.zngirls.com",  
                                    "User-Agent":"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/50.0.2661.102 Safari/537.36"}})  
                            //条件需要修改,如果没有图片,返回的是盗链,图片4kb  
                            if res.StatusCode != 200 {  
                                fmt.Printf("下载失败,退出影集下载:%s
    ", src)  
                                break  
                            }  
      
                            //图片可能是该网站,返回的盗链图片(4kb左右)  
                            length := res.Header.Get("Content-Length")  
                            slen,_ := strconv.Atoi(length)  
                            if slen < 4100{  
                                fmt.Printf("下载内容失败,退出影集下载:%s
    ", src)  
                                break  
                            }  
      
                            index := strings.Index(s, "gallery")  
                            if index == -1 {  
                                fmt.Errorf("无效地址,找不到gallery关键词,解析失败:%s
    ", src)  
                                return  
                            }  
      
                            ss2 := strings.Split(string(s[index:]), "/")  
                            dirname := strings.Join(ss2[:len(ss2) - 1], "/")  
                            if _, err := os.Stat(dirname); err != nil {  
                                fmt.Printf("创建下载文件夹:%s
    ", dirname)  
                                os.MkdirAll(dirname, 0666)  
                            }  
      
                            filename := strings.Join(ss2, "/")  
                            res.DownloadToFile(filename)  
                            fmt.Printf("成功下载图片到:%s
    ", filename)  
                            n++  
                        }  
                    }(src)  
                }  
            })  
        }  
      
        wg.Wait()  
        //4M的带宽下载,需要16m36s,总大小202M,10个文件夹,560个文件  
        fmt.Printf("下载任务完成,耗时:%#v
    ", time.Now().Sub(now))  
    }  
  • 相关阅读:
    Python入门之面向对象的多态
    Python入门之面向对象的多态和继承
    Python入门之面向对象之类继承与派生
    Python入门之logging模块
    Python入门之字符编码
    Python入门之软件开发目录规范
    Python入门之ATM+购物车代码版思维导图
    mysql distinct
    Mysql中关于 group_concat函数详解
    关于mysql函数GROUP_CONCAT
  • 原文地址:https://www.cnblogs.com/c-x-a/p/9204356.html
Copyright © 2011-2022 走看看