Go抓取网页数据并存入MySQL和返回json数据<二>

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/)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)。

文章目录