Go 头像爬虫

仅供学习交流,严禁用于商业用途!!!

最近在学 Go 语言,感觉看了书有段时间了。所以想能不能写个程序看看,这边用 Go 写一个头像爬虫。

通过谷歌搜索头像发现这个网站排第一,开搞。

代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
package main

import (
"bytes"
"fmt"
"io"
"io/ioutil"
"net/http"
"os"
"strings"
"time"

"github.com/PuerkitoBio/goquery"
)

const (
// Domain 域名
Domain = "www.woyaogexing.com"
// TmpDir 临时文件夹
TmpDir = "./tmp/"
)

// 根据页码获取列表页 URL。
func getListURL(page int) string {
url := fmt.Sprintf("https://%s/touxiang/", Domain)

if page == 1 {
return url + "index.html"
}

return fmt.Sprintf("%sindex_%d.html", url, page)
}

// 获取列表页的详情页列表。
func getListPage(url string) (list []string, err error) {
list = []string{}

html, err := http.Get(url)

if err != nil {
return
}

doc, err := goquery.NewDocumentFromReader(html.Body)

if err != nil {
return
}

doc.Find(".pMain .txList").Each(func(i int, s *goquery.Selection) {
itemURL, _ := s.Find("a").Attr("href")
list = append(list, fmt.Sprintf("https://%s%s", Domain, itemURL))
})

return list, nil
}

// 获取详情页图片列表。
func getImages(url string) (list []string, err error) {
list = []string{}

html, err := http.Get(url)

if err != nil {
return
}

doc, err := goquery.NewDocumentFromReader(html.Body)

if err != nil {
return
}

doc.Find(".artCont .tx-img").Each(func(i int, s *goquery.Selection) {
imageURL, _ := s.Find("a").Attr("href")
list = append(list, normalizeURL(imageURL))
})

return list, nil
}

// 格式化图片 URL。
func normalizeURL(url string) string {
if strings.Index(url, "//") == 0 {
url = "https:" + url
}

if strings.Index(url, "!400x400_big") != -1 {
return strings.Replace(url, "!400x400_big", "", 1)
} else if strings.Index(url, "!400x400") != -1 {
return strings.Replace(url, "!400x400", "", 1)
}

return url
}

// 格式化全部文件名,编号重新命名文件。
func normalizeAllFileName() (err error) {
files, err := ioutil.ReadDir(TmpDir)

if err != nil {
return err
}

for k, file := range files {
os.Rename(TmpDir+file.Name(), fmt.Sprintf("%s%d.jpeg", TmpDir, k+1))
}

return nil
}

// 生成文件名,根据 URL 最后的文件名。
func generateFileName(url string) string {
_url := strings.Split(url, "/")

return _url[len(_url)-1]
}

// 下载图片后保存到本地。
func downloadImage(url string, filename string) (err error) {
resp, err := http.Get(url)

if err != nil {
return
}

body, _ := ioutil.ReadAll(resp.Body)
out, _ := os.Create(TmpDir + filename)
io.Copy(out, bytes.NewReader(body))

return nil
}

func main() {
for i := 1; i <= 30; i++ {
url := getListURL(i)

fmt.Printf("正在抓取第 %d 页:%s\n", i, url)

list, err := getListPage(url)

if err != nil {
fmt.Println("获取列表失败")
}

for _, itemURL := range list {
fmt.Printf("正在抓取图片列表:%s\n", itemURL)

// 间隔 3 秒在继续执行,避免服务器压力
time.Sleep(time.Duration(3) * time.Second)

images, err := getImages(itemURL)

if err != nil {
fmt.Printf("获取图片列表失败%s\n", itemURL)
}

for _, image := range images {
fmt.Printf("正在下载图片:%s\n", image)

filename := generateFileName(image)

err := downloadImage(image, filename)

if err != nil {
fmt.Printf("图片下载失败:%s\n", image)
}
}
}
}

fmt.Println("全部抓取完成")

normalizeAllFileName()

fmt.Println("完成!!!")
}

使用

创建一个项目文件夹,然后在项目根目录创建 avatar.go 来存放上面代码,接着还是在项目根目录创建 tmp 文件夹来临时存放图片。

安装需要的依赖

1
$ go get github.com/PuerkitoBio/goquery

执行

1
$ go run avatar.go

往上