上一节已经说明了要做什么,以及整个小程序的目录结构,接下来就开始编码部分。
首先在入口文件中引入项目下的包crawldata
,然后调用其中抓取数据的函数,暂时取名为Crawl
:
package main
import (
"fmt"
"indiepic/crawldata"
)
func main () {
// 使用crawldata包里面的Crawl()抓取需要的数据存到数据库
crawldata.Crawl()
fmt.Println("主函数")
}
然后就是实现包crawldata
里面的Crawl
函数。将该函数放在crawldata.go
文件中:
package crawldata
import (
"fmt"
)
func Crawl() {
fmt.Println("包crawldata中的Crawl函数")
}
查看网站 http://www.gratisography.com/,然后审查元素找到某张图片,在图片主要包含了src
、data-original
、width
、height
、alt
等信息,首先要明确一点的是这个网站使用了图片的lazy
加载(在每个li
标签上可以看出来),所以真正的图片URL
是data-original
指定的值而不是src
,src
值会在图片加载完成之后被赋为data-original
的值。另外在网站上有一个分类,所以需存储一下每一张图片的分类,在抓取的时候也是直接通过分类去抓取。
因此我们需要定义一个结构体来表示每一条数据包含的数据,以及用于存储全部数据的一个切片,然后在Crawl
函数中使用。如下:
package crawldata
import (
"fmt"
"github.com/PuerkitoBio/goquery"
"strconv"
s "strings"
)
// 定义一个存储一条数据的结构体
type ImageData struct {
Src string
Tp string
Title string
Width int
Height int
}
// 定义切片用于存储抓取的全部数据
type ImageDatas []ImageData
func Crawl() {
fmt.Println("包crawldata中的Crawl函数")
// 定义一个切片存储所有数据
var datas ImageDatas
// 抓取数据
imageDatas := CrawlData(&datas)
}
在上面的Crawl
函数中又调用了一个CrawlData
函数,该函数接受一个用于存储数据的datas
变量,并返回抓取后的所有数据。
/*
该函数用来抓取数据,并将存储的值返回到主函数
*/
func CrawlData(datas *ImageDatas) (imageDatas ImageDatas) {
imageDatas = *datas
// 规定抓取时匹配的元素
var types = [...]string{
"people",
"objects",
"whimsical",
"nature",
"urban",
"animals"}
doc, err := goquery.NewDocument("http://www.gratisography.com/")
if err != nil {
fmt.Printf(err.Error())
}
for _, tp := range types {
doc.Find("#container ul").Find(s.Join([]string{".", tp}, "")).Each(func(i int, s *goquery.Selection) {
img := s.Find("img.lazy")
src, _ := img.Attr("data-original")
title, _ := img.Attr("alt")
width, _ := img.Attr("width")
height, _ := img.Attr("height")
// 将宽度和高度的字符串类型转为数值型
wd, error := strconv.Atoi(width)
if error != nil {
fmt.Println("字符串转换成整数失败")
}
hg, error := strconv.Atoi(height)
if error != nil {
fmt.Println("字符串转换成整数失败")
}
// fmt.Printf("Review %d: %s - %s - %s - %d - %d\n", i, src, tp, title, wd, hg)
imageData := ImageData{src, tp, title, wd, hg}
imageDatas = append(imageDatas, imageData)
})
}
return
}
定义了一个数组types
用于存放分类,然后根据分类去获得各分类下的图片。
数据抓取使用 goquery,在运行之前需要使用如下命令获取goquery
go get github.com/PuerkitoBio/goquery
goquery
的用法和jQuery
很类似,直接通过网页中的一些标签、class、id等获取,更多的使用方法可以查看文档。
这里还使用了strconv
中的函数转换类型,使用strings
处理字符串。这两个都是GO的内置包,不需要其他运行命令获取。
在Crawl
函数中可以使用for
输出看获取到的数据,如:
func Crawl() {
// 定义一个切片存储所有数据
var datas ImageDatas
// 抓取数据
imageDatas := CrawlData(&datas)
for i := 0; i < len(imageDatas); i++ {
fmt.Println(imageDatas[i].Src, imageDatas[i].Title, imageDatas[i].Tp, imageDatas[i].Height, imageDatas[i].Width)
}
// 或者
for _, imageData := range imageDatas {
fmt.Println(imageData.Src, imageData.Title, imageData.Tp, imageData.Height, imageData.Width)
}
// 将数据插入数据库
// InsertData(&imageDatas)
}
下一步实现将获取的数据插入数据库的方法InsertData(&imageDatas)
。