Go官网指南
在这个练习中,将会使用 Go 的并发特性来并行执行 web 爬虫。
修改 Crawl 函数来并行的抓取 URLs,并且保证不重复。
提示:你可以用一个 map 来缓存已经获取的 URL,但是需要注意 map 本身并不是并发安全的!
Crawl的职责 为 开启goroutine 爬取数据
用同步控制存入到map的操作
需要确定goroutine结束的通知
package main
import (
"fmt"
"sync"
)
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 (
// map 存放爬取的url
m = make(map[string]int)
// 互斥锁
l sync.Mutex
// 群组等待 当添加的任务没有完成时(done()), wait() 会一直等待 三个方法 Add() Done() Wait()
i sync.WaitGroup
)
func main() {
i.Add(1)
Crawl("http://golang.org/", 4, fetcher)
i.Wait()// 会一直等待直到子线程任务结束
for k, _ := range m {
fmt.Println(k)
}
fmt.Println("over")
}
// 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) {
defer i.Done() // 和add相对应
if depth <= 0 {
return
}
_, urls, err := fetcher.Fetch(url)
if err != nil {
// fmt.Println(err)
return
}
// 存入数据 需要同步锁 因为这是在子线程中
l.Lock()
if m[url] == 0 { // 还未爬取过
m[url]++ // 存入爬取的url 改变对应的标示
depth--
// fmt.Printf("found: %s %q\n", url, body)
for _, u := range urls {
i.Add(1)
go Crawl(u, depth, fetcher) // 继续爬取
}
}
l.Unlock()
}
/*
/\
|
|
|
|
*/
// 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/",
},
},
}
http://golang.org/
http://golang.org/pkg/
http://golang.org/pkg/os/
http://golang.org/pkg/fmt/
over