Golang nethttp 爬虫[1]

Python016

Golang nethttp 爬虫[1],第1张

上周从零学习了golang，语法简单关键字少，写个爬虫熟悉一下语法结构。

首先选用了原生的net/http包，基本上涵盖了所有的get/post请求，各种参数都可以设置，网上google到html页面解析goquery神器，很轻松就可以解决页面解析问题。

首先就写了个爬取汇率的爬虫。然后重写之前php的一个请求类，请求类的逻辑有点混乱不清晰，往往把两个不同的功能合并到一起写，粒度大，后来发现了一个好用的框架——colly，之后再试试好不好用

Windows 10 Golang

依赖包：goquery

较常用的方法有Find和Each

爬取中国银行的汇率牌价表，golang依赖net/http包和goquery包

唯一的难点是对于goquery方法的使用，需要阅读官方文档：

https://godoc.org/github.com/PuerkitoBio/goquery

使用原生的net/http包基本上可以解决大多数的网页请求，使用goquery可以解决页面解析问题

可以利用golang的协程特性进行异步多协程爬取

增加安全性可以通过几个方面进行改进：

1.首先可以限制爬虫的爬取速度

2.每次对网页的请求都随机选用一个客户端

3.选用IP代理池，防止IP误封（及限制ip访问次数）

构造请求代理ip网站的链接→获取网页内容→ 提取网页中IP地址和端口号→验证IP的有效性并存储

轻量级反爬虫方案

浅谈JSP

golang带json的Http请求

Get/Post

HTTP请求中的Form Data和Request Payload的区别

HTTP Json请求

https://zhuanlan.zhihu.com/p/32825491

https://blog.csdn.net/yang731227/article/details/83900422

net/http： https://studygolang.com/articles/9467

golang HTTP操作

python建立爬虫代理ip池

爬虫黑科技之让你的爬虫程序更像人类用户的行为

特点：事件监听，通过callback执行事件处理

基于colly开发的web管理界面

Go没有泄露，并发原生支持，速度快。Python如果用代理IP，如果代理IP失效，会莫名其妙使用本地IP。且Go写爬虫可以和很多的数据库如mongo,redis,hbase,mysql集成。

Go开发效率还高，半个小时就写了个爬虫，看，写分布式爬虫也是Go的优势，因为Go协程比Python和Java都容易写。

最后，如果你用Go写爬虫，还可以直接用Go来写网站，三句代码就可以建立一个Web服务器和Python差不多，但包管理机制简单，只需go get –u –v 包

我的思路是这样，因为自己起点低，还精力有限，又想弯道追上技术潮流，所以着眼未来，选择Golang。既然敢叫云技术语言，那么它的性能自然是适合未来发展的，像facebook这样的大公司貌似也挺重视它…最最主要的，赌它未来能全栈应用，期待可以直接上手用Go开发Android和iOS应用的那一天～

框架选择上吗，初级选手建议Revel（开源案例比较多，老框架、Go官方给予了该框架很高的评价），其实Go语言众多框架性能都很卓越，水平高的不用框架直接玩更爽。顺嘴吐一下槽，Go语言框架之多如少女脸上的青春痘～

对了，选择Go语言的好处是，各个社区学习互助氛围比较好，你去哪个网上社区去请教问题，都会有人热情解答～