zoukankan      html  css  js  c++  java
  • golang crawler

    最近看了《Go并发编程实战》,学了最后一章的crawler。这是一个很好的demo, 设计功能完备,同时具有可扩展性。

    根据学到的思路简单总结一下,同时重复发明一下轮子。

    Version 01:

    比如:我们想爬一下一个外贸网站所有的 商品。

    其中,有三个component,

    (1) Downloader,  用来根据根据 request中的URL下载对应的页面。

    (2) Analyzer 分析下载下来的页面,提取其中的 商品信息,作为Item。 同时提取其中内部链接

    (3) Pipeline 对应后处理,  我们可以对 Item信息做一系列后处理,比如提取 商品名称、分类、价格等信息。对数据结构化结构化等一系列操作。

    我们需要三个channel 分别装载Request,  Response, Item。

    version 02:

    为了管理component, 我们引入了Pool;为了统一管理Channel,我们引入了ChannelManager。

    我们只需要 图中打上 √ 的 组件来初始化我们的 crawler。

    Version 03:

    为了增加组建灵活性,Analyzer 中接受用户自定义处理函数,Piple 中接收用户自定义函数。

     继续增加:

    Log,  error(包括time out) 处理

    可以优雅的Start and Stop crawler

  • 相关阅读:
    P1342 请柬
    P1186 玛丽卡
    Scala 中下划线的用法
    IDEA2017 maven Spark HelloWorld项目(本地断点调试)
    Spark内存管理详解
    Spark基础知识
    scala基本语法
    分布式锁的一点理解
    Redis并发问题
    redis集群原理
  • 原文地址:https://www.cnblogs.com/harrysun/p/4145340.html
Copyright © 2011-2022 走看看