golang爬取豆瓣电影TOP250(下载图片)

打开豆瓣电影TOP250，打算爬取电影的四个信息，豆瓣排名，图片，评分，电影名。

所以先定义个结构体

type Movie struct {
    Num     string
    Url      string
    Star     string
    Name     string

}

注意豆瓣电影的网址，是有规律的：

每一页 start 分别为0,25,50.....

所以在主函数里面加个循环：

func main(){
    t1 := time.Now()
    for i := 0; i < 11; i++ {
        url := fmt.Sprintf("https://movie.douban.com/top250?start=%v&filter=", i*25)
        fmt.Printf("整在爬取第%v页",i+1)
        res := getResponse(url)//定义的获取html的函数
        DownloadImg(res)// 下载图片的函数
    }
    elapsed := time.Since(t1)
    fmt.Println("总共用时: ", elapsed)
}

爬虫第一步，获取html网页进行解析,安装 goquery

gopm -g -v github.com/PuerkitoBio/goquery

func getResponse(url string)  []Movie{ 
    content,err:= goquery.NewDocument(url)
    if err != nil{
        panic(err)
    }
    return ParseResponse(content)//
}

func ParseResponse(doc *goquery.Document) (pages []Movie) {
    doc.Find("div.item").Each(func(i int, s *goquery.Selection) {
        img,_ :=s.Find("img").Attr("src")
        num:=s.Find("em").Text()
        star:=s.Find("span.rating_num").Text()
        name,_:=s.Find("img").Attr("alt")
        pages = append(pages, Movie{
            Num: num,
            Url:  img,
            Star: star,
            Name: name,
        })
    })
    return pages
}

这里把 ParseResponse 函数作为返回值，把处理后的 Movie 切片返回。处理网页用到 goquery 的Find匹配网页元素。

查看网页的元素代码，看到这几个需要获取的信息都在 <div class="item> 中，所以先循环获取 item :

doc.Find("div.item").Each(func(i int, s *goquery.Selection)

打印出来大概就是这样的：

[.....{26 https://img3.doubanio.com/vie... 9.2 乱世佳人} {27 https://img3.doubanio.com/vie... 9.1 蝙蝠侠：黑暗骑士}....]

最后一步下载图片，把图片url和图片名称传给 GetImg 方法。

func GetImg(url string , name string) {
    res, _ := http.Get(url)
    file_name := imgpath + "\\" + name + ".jpg" //拼接图片路径
    file, _ := os.Create(file_name)
    io.Copy(file, res.Body)
}

网速比较慢，测了几次都是10s多一点。

完整代码 点这里