Go 语言 爬虫实现 v0.2

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:

微博截图

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


Request Headers

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 CookieJar
    Timeout 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 main

import (
    "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。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,242评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,769评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,484评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,133评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,007评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,080评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,496评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,190评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,464评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,549评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,330评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,205评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,567评论 3 298
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,889评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,160评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,475评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,650评论 2 335

推荐阅读更多精彩内容