简介
我想爬豆瓣电影的分类,网址是https://movie.douban.com/tag/
。发现调用接口,返回的数据并没有我所需要的内容。
我自己看了一下接口调用,发现这些分类竟然是在app.js
的二维数组固定写死的。
妹的,这就尴尬了,我岂不是要等待浏览器渲染完之后再匹配我想要的数据?
查查Go有没有库可以模拟浏览器的操作。发现了一个chromedp
。于是查找了一些资料,学习了一下。
github地址
仓库地址:https://github.com/chromedp/chromedp
例子地址:https://github.com/chromedp/examples
参考的文档:
https://deepzz.com/post/golang-context-package-notes.html
https://www.cnblogs.com/apocelipes/p/9264673.html
https://codeday.me/news/20170529/20419.html
代码
获取豆瓣网站的电影分类。
// Command text is a chromedp example demonstrating how to extract text from a
// specific element.
package main
import (
"context"
"fmt"
"log"
"os"
"regexp"
"time"
"github.com/chromedp/chromedp"
"github.com/chromedp/chromedp/runner"
)
func text(res *string) chromedp.Tasks {
return chromedp.Tasks{
// 访问页面
chromedp.Navigate(`https://movie.douban.com/tag/`),
// 等待列表渲染
chromedp.Sleep(5 * time.Second),
// 获取获取服务列表HTML
chromedp.OuterHTML("#content", res, chromedp.ByID),
}
}
func main() {
ctx, cancel := context.WithCancel(context.Background())
defer cancel()
// 创建 chrome 实例
cdp, err := chromedp.New(ctx, chromedp.WithLog(log.Printf))
if err != nil {
log.Fatal(err)
}
var res string
//执行调用
err = cdp.Run(ctx, text(&res))
if err != nil {
log.Fatal(err)
}
// 调用 Shutdown
err = cdp.Shutdown(ctx)
if err != nil {
log.Fatal(err)
}
// 等待 chrome 结束
err = cdp.Wait()
if err != nil {
log.Fatal(err)
}
// 正则匹配所要的内容
pattern := `class="tag">(.*?)</span>`
rp2 := regexp.MustCompile(pattern)
data := rp2.FindAllStringSubmatch(res, -1)
// 创建一个 txt 文件,写入获取的内容
f, err := os.Create("fenlei.txt")
if err != nil {
log.Fatalln(err)
}
// 关闭 f
defer f.Close()
// 遍历切片,获取需要的内容,并写入 txt 文件
for i := 0; i < len(data); i++ {
fmt.Println(data[i][1])
f.WriteString(data[i][1] + "\n")
}
}
有疑问加站长微信联系(非本文作者)