Go 和 Colly笔记
Colly是Go下功能比较完整的一个HTTP客户端工具.
安装
Win10
下载zip包, 直接解压至c:根目录. 如果不打算直接命令行使用, 可以不配置环境变量
Ubuntu
下载tar.gz, 解压至/opt, 可以不配置环境变量
Golang里的协程同步(等价于Java中的锁)
Mutex
在Go程序中为解决Race Condition和Data Race问题, 使用Mutex来锁定资源只能同时被一个协程调用, 通过 &sync.Mutex() 创建一个全局变量, 在子方法里面通过Lock()和Unlock()锁定和释放资源. 注意defer关键字的使用.
import (
"strconv"
"sync"
)
var myBalance = &balance{amount: 50.00, currency: "GBP"}
type balance struct {
amount float64
currency string
mu sync.Mutex
}
func (b *balance) Add(i float64) {
b.mu.Lock()
b.amount += i
b.mu.Unlock()
}
func (b *balance) Display() string {
b.mu.Lock()
defer b.mu.Unlock()
return strconv.FormatFloat(b.amount, 'f', 2, 64) + " " + b.currency
}
读写锁使用RWMutex, 在Mutex的基础上, 增加了RLock()和RUnlock()方法. 在Lock()时依然是互斥的, 但是RLock()与RLock()之间不互斥
import (
"strconv"
"sync"
)
var myBalance = &balance{amount: 50.00, currency: "GBP"}
type balance struct {
amount float64
currency string
mu sync.RWMutex
}
func (b *balance) Add(i float64) {
b.mu.Lock()
b.amount += i
b.mu.Unlock()
}
func (b *balance) Display() string {
b.mu.RLock()
defer b.mu.RUnlock()
return strconv.FormatFloat(b.amount, 'f', 2, 64) + " " + b.currency
}
Channel
Channel类似于Java中的Semaphore, 通过设置channel容量限制同时工作的协程数, channel满了之后协程会被阻塞
package main
import (
"fmt"
"time"
"strconv"
)
func makeCakeAndSend(cs chan string) {
for i := 1; i<=3; i++ {
cakeName := "Strawberry Cake " + strconv.Itoa(i)
fmt.Println("Making a cake and sending ...", cakeName)
cs <- cakeName //send a strawberry cake
}
}
func receiveCakeAndPack(cs chan string) {
for i := 1; i<=3; i++ {
s := <-cs //get whatever cake is on the channel
fmt.Println("Packing received cake: ", s)
}
}
func main() {
cs := make(chan string)
go makeCakeAndSend(cs)
go receiveCakeAndPack(cs)
//sleep for a while so that the program doesn’t exit immediately
time.Sleep(4 * 1e9)
}
可以设置channel的容量
c := make(chan Type, n)
Go的语法
Go的语法简介, 这一篇写得很好 https://zhuanlan.zhihu.com/p/98556883
Go语言的点括号语法
对于下面的语句
mpl := playlist.(*m3u8.MediaPlaylist)
表示将前面的对象转为 *m3u8.MediaPlaylist 类型,
这种类型转换用于在前面的表达式返回的结果存在多种可能时, 需要在使用前对类型进行固定. 也可以用于类型查询.
# 查询接口指向的对象实例是否是*MyStruct类型 if v1.(*MyStruct) # 查询接口指向的对象实例是否实现了MyInterface接口，要在运行期确定 if v2.(MyInterface)
又如
func DecodeWith(input interface{}, strict bool, customDecoders []CustomDecoder) (Playlist, ListType, error) {
switch v := input.(type) {
case bytes.Buffer:
return decode(&v, strict, customDecoders)
case io.Reader:
buf := new(bytes.Buffer)
_, err := buf.ReadFrom(v)
if err != nil {
return nil, 0, err
}
return decode(buf, strict, customDecoders)
default:
return nil, 0, errors.New("input must be bytes.Buffer or io.Reader type")
}
}
调用
f, err := os.Open(testCase.src)
if err != nil {
t.Fatal(err)
}
p, listType, err := DecodeWith(bufio.NewReader(f), true, testCase.customDecoders)
强制类型转换语法检测是否实现接口
_ Error = (*_Error)(nil)
这个一个强制类型转换语法检测是否实现接口的功能，nil就是空指针地址就是0，一个变量是具有类型和地址两个属性，强制类型转换只修改了类型，但是地址是原来那个(例如是nil)，这样的转换的变量不用分配地址。例如下列代码：
var _ Context = (*ContextBase)(nil)
nil的类型是nil, 地址值为0，利用强制类型转换成了*ContextBase，返回的变量就是类型为*ContextBase地址值为0，然后Context=xx赋值, 如果xx实现了Context接口就没事，如果没有实现在编译时期就会报错，实现编译期间检测接口是否实现。
参考: golang中的四种类型转换总结 https://segmentfault.com/a/1190000022255009
Go的接口和实现类
Go代码中使用interface关键字标识一个接口定义，例如
type Device interface {
Flush() error // flush all previous writes to the device
MTU() (int, error) // returns the MTU of the device
Name() (string, error) // fetches and returns the current name
Events() chan Event // returns a constant channel of events related to the device
Close() error // stops the device and closes the event channel
}
但是对于这个接口的实现类，并不显式地声明与这个接口的关系，只要是实现了这些方法的结构体，都可以看作是这个接口的实现类
type NativeTun struct {
name string
tunFile *os.File
events chan Event
errors chan error
routeSocket int
}
func (tun *NativeTun) Name() (string, error) {
var name string
...
return name, nil
}
func (tun *NativeTun) File() *os.File {
return tun.tunFile
}
func (tun *NativeTun) Events() chan Event {
return tun.events
}
func (tun *NativeTun) Read(buff []byte, offset int) (int, error) {
select {
case err := <-tun.errors:
...
}
}
Go函数的不定参数
Go中可以使用不定参数, 如果有多个参数, 不定参数必须是参数列表中的最后一个
func showName(a ...string) {
name := strings.Join(a," ")
fmt.Println(name)
}
使用不定参数时, 可以传入该类型切片的展开形式, 但是如果传入的是展开形式, 则其前后都不能再添加同类型参数, 例如
func main() {
name := []string{"11","22","33"}
showName(name...)
}
func showName(a ...string) {
fmt.Println(strings.Join(a," "))
}
如果对showName(a ...string) 使用showName("test", name...) 或 showName(name..., "test")都会报语法错误.
但是对于func New(ctx context.Context, opts ...Option) (host.Host, error) , 可以使用 New(context.Background(), opts...)
如果在函数内修改了切片内的元素, 会影响到原切片.
Go 教程
网络编程 https://tumregels.github.io/Network-Programming-with-Go/
Go常用Package
time
用法详解 https://juejin.im/post/5ae32a8651882567105f7dd3
使用GoLand作为开发环境
GOROOT: go目录放到了/opt/go, 所以GOROOT默认指向的也是/opt/go
GOPATH: 在Settings->Go->GOPATH里Global GOPATH留空，设置项目的GOPATH, 指向 /home/milton/WorkGo
GOPROXY: 在Settings->Go->Go Modules下, 设置 Environments, GOPROXY=https://goproxy.cn
在GoLand内部的Terminal里查看环境变量, 命令 go env, 确认路径无误, 然后执行以下命令安装
# v1 go get -u github.com/gocolly/colly # v2 go get -u github.com/gocolly/colly/v2
下载项目依赖
# 在项目目录下运行 go mod download
基础使用
增加import
import "github.com/gocolly/colly/v2"
调用
func main() {
// Instantiate default collector
c := colly.NewCollector(
// Visit only domains: hackerspaces.org, wiki.hackerspaces.org
colly.AllowedDomains("hackerspaces.org", "wiki.hackerspaces.org"),
)
// On every a element which has href attribute call callback
c.OnHTML("a[href]", func(e *colly.HTMLElement) {
link := e.Attr("href")
// Print link
fmt.Printf("Link found: %q -> %s\n", e.Text, link)
// Visit link found on page
// Only those links are visited which are in AllowedDomains
c.Visit(e.Request.AbsoluteURL(link))
})
// Before making a request print "Visiting ..."
c.OnRequest(func(r *colly.Request) {
fmt.Println("Visiting", r.URL.String())
})
// Start scraping on https://hackerspaces.org
c.Visit("https://hackerspaces.org/")
}
使用代理池
参考文档中的例子 http://go-colly.org/docs/examples/proxy_switcher/ 这里的例子要注意两个问题
1. 初始化时, 需要设置AllowURLRevisit, 否则在访问同一URL时会直接跳过返回之前的结果
c := colly.NewCollector(colly.AllowURLRevisit())
2. 还需要设置禁用KeepAlive, 否则在多次访问同一网址时, 只会调用一次GetProxy, 这样达不到轮询代理池的效果, 相关信息 #392, #366 , #339
c := colly.NewCollector(colly.AllowURLRevisit())
c.WithTransport(&http.Transport{
DisableKeepAlives: true,
})
