Go实现 爬虫v0.2
原址
在之前上一版本中,我们通过最简单的 Get 请求获取了网页地址,并解析出图片地址,然后再通过 Get 请求获取了图片内容。接下来的问题是,对于有登陆限制的网页,登陆之前是看不到相关信息的,那么对于这一类网页该如何处理呢?
1. HTTP 请求与响应的格式
参见这篇文章,我们知道,在浏览器发出 Get 或 Post 请求时,请求的格式大致如下:
<request-line>
<headers>
<blank line>
[<request-body>]
浏览器在我们访问网页时会自动构造相关请求内容,在 chrome 中 F12 过后看到的视图下,选择 Network 标签并选择下方的 Headers 标签,然后刷新网页,随意选择 Headers 标签左边 Name 栏下的任一元素(一般选第一个)便可看到浏览器发送与接收消息时,消息的 Header 中的内容,如下图:
我们需要用到的就是最下面红色标注的 Request Headers 部分的内容 —— 即 cookie 字段
图中的 cookie 即网站存储在浏览器中的 cookie 值,我们将该 cookie 值复制出来,粘贴在我们下一步将要在代码中构造的 Request Header 头中,网站就会认为我们已经登录过了。
2. Go net/http 包 client 介绍
为了能够控制 HTTP 客户端的头结构,重定向规则以及其他一些设置, Go 在 net/http 中给了一个 client 结构体类型,结构详情如下:
type Client struct {Transport RoundTripper // CheckRedirect 明确了处理重定向的机制// 如果该字段不为 nil,则客户端在重新请求重定向的链接之前,先执行该函数CheckRedirect func(req *Request, via []*Request) error// CookieJar 是用来管理与使用众多 HTTP 请求中的 cookies的Jar CookieJarTimeout time.Duration
}
在构造 http 请求时,我们先构造一个 client,用来模拟本地的客户端的种种行为。 client 有这样一些方法:
// Do 方法发送一个 HTTP request 并获得一个 HTTP response
// 所以在调用之前需要先构造一个 request
func (c *Client) Do(req *Request) (*Response, error)
// Get 方法向给定的 URL 发送 Get 请求
func (c *Client) Get(url string) (resp *Response, err error)
// Head 方法向给定的 URL 发送一个 Head
func (c *Client) Head(url string) (resp *Response, err error)
// Post 方法向给定的 URL 发送 Post 请求
func (c *Client) Post(url string, contentType string, body io.Reader) (resp *Response, err error)
......
上一篇文章我们使用 http.Get() 方法发送了一个 Get 请求,通过源码我们看到, http.Get() 方法实际是构造了一个 DefaultClient = &Client{},再调用 Default.Get() 方法。而通过阅读源码发现, func (c *Client) Get(url string) (resp *Response, err error)
方法的实现实际就是先构造 Request
对象,再调用 Client.Do 方法,如下:
func (c *Client) Get(url string) (resp *Response, err error) {req, err := NewRequest("GET", url, nil)if err != nil {return nil, err}return c.Do(req)
}
总结来看,我们在使用 Client 时,先构造一个 Request 再调用 Client.Do() 方法。(关于 type Request struct
详见该链接下的相关内容)
3. 代码实现
该代码没有实现模拟登陆存取网站返回的cookie,只是简单验证了构造 header 使用 http 包中 client 结构体访问相关有验证网页的可行性。代码如下:
package mainimport ("net/http""fmt""io/ioutil"
)func check(err error){if err != nil {panic(err)}
}func main(){url := "http://weibo.com/u/5765378903"client := &http.Client{}req, err := http.NewRequest("GET", url, nil)check(err)cookie_str := "your cookie" //从浏览器复制的 cookie 字符串req.Header.Set("Cookie",cookie_str)resp, err := client.Do(req)check(err)resp_byte, err := ioutil.ReadAll(resp.Body)defer resp.Body.Close()fmt.Println(string(resp_byte))
}
最后结果表明该代码能够获取所期望的网页信息。
Go实现 爬虫v0.2相关推荐
- [Python]爬虫v0.1
#coding:utf-8 import urllib ###### #爬虫v0.1 利用urlib2 和 字符串内建函数 ####### 获取网页内容 def getHtml(url):page = ...
- Go实现 爬虫v0.1
原址 学了一些 Go 的基本语法之后,深觉进一步的深入还是该靠实际项目来锻炼.小目标是逐步写完一个爬虫,以此来学习 Go 中的相关标准库以及 goroutine.channel 的使用. 1. htt ...
- [Python]新手写爬虫全过程(已完成)
今天早上起来,第一件事情就是理一理今天该做的事情,瞬间get到任务,写一个只用python字符串内建函数的爬虫,定义为v1.0,开发中的版本号定义为v0.x.数据存放?这个是一个练手的玩具,就写在tx ...
- python爬虫课程设计过程_[Python]新手写爬虫全过程(已完成)
今天早上起来,第一件事情就是理一理今天该做的事情,瞬间get到任务,写一个只用python字符串内建函数的爬虫,定义为v1.0,开发中的版本号定义为v0.x.数据存放?这个是一个练手的玩具,就写在tx ...
- python学完那部分能写爬虫_[Python]新手写爬虫全过程(已完成)
今天早上起来,第一件事情就是理一理今天该做的事情,瞬间get到任务,写一个只用python字符串内建函数的爬虫,定义为v1.0,开发中的版本号定义为v0.x.数据存放?这个是一个练手的玩具,就写在tx ...
- python爬虫实验报告怎么写_[Python]新手写爬虫全过程(转)
今天早上起来,第一件事情就是理一理今天该做的事情,瞬间get到任务,写一个只用python字符串内建函数的爬虫,定义为v1.0,开发中的版本号定义为v0.x.数据存放?这个是一个练手的玩具,就写在tx ...
- python简单代码编辑全过程-[Python]新手写爬虫全过程(已完成)
今天早上起来,第一件事情就是理一理今天该做的事情,瞬间get到任务,写一个只用python字符串内建函数的爬虫,定义为v1.0,开发中的版本号定义为v0.x.数据存放?这个是一个练手的玩具,就写在tx ...
- 爬虫管理平台Crawlab v0.4.3发布(界面上点几下就可安装pip或npm依赖)
前言 Crawlab 是一款受人欢迎的分布式通用爬虫管理平台,由 Crawlab 开发组 开发和维护.自去年 3 月份上线以来,Crawlab 因为极其强大的灵活性.简单精美的操作界面以及健壮而稳定稳 ...
- 糗事百科的网络爬虫(v0.2)源码及解析 .
项目内容: 用Python写的糗事百科的网络爬虫. 使用方法: 新建一个Bug.py文件,然后将代码复制到里面后,双击运行. 程序功能: 在命令提示行中浏览糗事百科. 原理解释: 首先,先浏览一下糗事 ...
最新文章
- SpringBoot启动标识修改
- Ubuntu安装ftp服务器
- Gradle 之 Android 中的应用
- Python3 动态导入模块的两种方式
- 【Linux系统编程】Linux 可执行文件结构与进程结构
- java 迭代器的原理_java里Iterator的原理
- Android使用Application的好处
- Recoil 是 React 的状态管理库
- 联想拯救者Legion Y7000P 2020款(10代INTEL+GTX1650)安装ubuntu16.04(双系统)
- 数据结构和算法——八种常用的排序算法----直接插入排序和希尔排序
- Visual Studio2012 安装教程
- 有Pytz时区列表吗?
- 淘宝卖家过劳死VS跳楼死
- 电脑贴的标签 MFG YR是什么意思
- EasyClass!Query类
- 1090 Highest Price in Supply Chain(天上人间,潇潇共雨。曼珠红遍,流水忘川。)
- Java研发岗面试复盘总结附答案+考点
- JAVA--equal、length、Arrays、Static
- LCD制作工艺及相关设备资料配方大全(转)
- 人因工程记忆广度测试改进
热门文章
- Linux/CentOS下的CST和UTC时间的区别以及不一致的解决方法
- Fckeditor 2.4.2 php任意上传文件漏洞
- JS SDK的标准创建原则
- VC++开发学习三(对话框控件的绑定)
- pandas数据处理实践二(排序(sort_index()、sort_values())、连接(Concatenate(连接,串联)和Combine(结合、联合))
- php数据的导出到excel,php 数据的导出到excel表格-怎么将php数据导出excel
- 运维安全加固规范_DBA如何巧用“三十六计”保障数据库安全?
- mysql如何进行数据透视,mysql-如何优化数据透视表的条件检查?
- px2rem-loader(Vue:移动端自适应,px自动转化)
- Spring 静态代理+JDK动态代理和CGLIB动态代理