前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >『Go 语言实现简易爬虫:市值前100数字货币交易信息』

『Go 语言实现简易爬虫:市值前100数字货币交易信息』

作者头像
谢伟
发布2018-06-06 13:30:52
7480
发布2018-06-06 13:30:52
举报
文章被收录于专栏:GopherCoder

大家好,我是谢伟,一名程序员。之前接触的语言是Python, 编程领域学会的第一个技能是『爬虫』,凭借着爬虫技术先后在两个创业公司从事的是『网络爬虫』这份活。

研究生毕业后,基于各方面的考虑,选择的是现在的这份工作。主要的是从事『云计算』方面的工作,再细化点,主要从事云计算中的 PaaS 部署相关的工作。

目前正在着手的任务是开发一款命令行工具。支持 PaaS 部署相关的各种命令,且开发语言是 go。

我熟悉的是 Python ,借着之前的编程基础,顺利的转到了 go 语言。很自觉的会比较两款语言的相似和不同之处。同时我越来越理解到:『编程语言只是工具』这句话的含义。

  • 编程语言只是工具 编程最重要的是逻辑,不管是什么领域的开发,逻辑才是最重要的。所以『架构师』这一职业,对逻辑的要求就很高,他需要技术选型、方案设计、方案评估等一系列技能。 编程只是实现或者验证方案是否合适。 逻辑很重要。
  • 示例很重要 这是我从 Python 转而学习 go 语言中总结出来的经验。为了了解各种各样的 go 语言的特性,我有一个工程专门用来进行 go 编程语言示例的学习。即:想要验证一个库或者函数的时候,达到你需要的效果,最好的方法是进行最小示例的验证。 比如:之前开发命令行工具需要支持查询命令表格显示这一功能。就不断的使用示例的学习方法快速上手,快速开发。
  • 快速上手 企业需要的职员是来干活的,需要产出价值,完成任务的。并没有过多的时间让你学习。需要的是快速上手的能力。前期可以有短暂的输入时间。之后需要边输入边产出。快速上手,实现价值交付。
  • 不断的修改 编程不可能一步到位,除非你是传说中的编程天才。代码需要不断的修改,修改的同时对编程语言各种熟悉,同时需要不断的完善代码,能复用的就复用。函数应该是编程中最常见的了,函数不能编写过长。凡是稍微有点处理动作的都应该独立出一个函数进行复用。主函数的处理动作应该是越简单明了越好。不管是以后重构还是增加功能都能很好的实现。
  • 学习各种编程思想 随着系统的越来越复杂,一定需要学习软件行业先进的编程思想,解决复杂的问题,比如 DDD (领域驱动开发), TDD(测试驱动开发)..., 这是我下一个的研究点...
  • 总结很重要 内部是会有各种各样的会议:计划会、总结会、迭代会、复盘会...,等等,所以导致一天其实真正的开发时间并不是很多,其中还会被各种各样的干扰而导致中断,最终的编程效率其实不是很高,自身除了需要进行合理的时间管理之外,我觉得总结很重要,这些会一般是针对团队的,你需要和自己真正的扯上关系才能不断的成长,比如:迭代总结会,通常是分析团队的任务的完成率,做的好的地方和不好的地方,针对你个人你也应该不断的总结自己好的地方和不好的地方,不然,时间过的很快,嗖的一下几年过去了,得不到应有的成长。

言归正传:下面使用 go 语言实现一个简单的爬虫。已经有了 python 爬虫技能,为什么需要进行 go 爬虫的实现版?为了更加的熟悉 go 的语言特性。

我们已经知道:一个简易的标准爬虫的步骤是

  • HTTP 获取网页内容
  • 进行网页内容解析
  • 对解析的内容进行处理

获取网页内容:

使用 HTTP 不同动作获取网页内容

网页内容解析:

正则表达式或者各种解析工具

解析的内容的处理:

文件处理、数据库处理等

最近数字货币很火,当然风险也很大,这里我们不谈数字货币。我们的目标是爬虫市值前100 的数字货币的相关信息。

抓取网站:https://www.feixiaohao.com/

抓取内容:0、排名 1、名称 2、流通市值 3、价格 4、流通数量 5、成交额 6、涨幅

效果:输出市值前 100 的数字货币的上述7个字段的信息

定义结构体

表示某个数字货币的信息。

代码语言:javascript
复制
type CoinInfo struct {
    Rank         string `json:"rank"`
    Name         string `json:"name"`
    CurrentCount string `json:"current_count"`
    CurrentPrice string `json:"current_price"`
    CurrentMark  string `json:"current_mark"`
    Count        string `json:"count"`
    Change       string `json:"change"`
}

获取网页内容

  • net/http
代码语言:javascript
复制
func (h *HttpClientImpl) Get(url string) ([]byte, error) {
    client := &http.Client{}
    req, err := httpclient.NewRequest("GET", url, nil)
    if err != nil {

        return nil, err
    }

    resp, err := client.Do(req)
    if err != nil {

        return nil, err
    }

    defer resp.Body.Close()
    respBody, err := ioutil.ReadAll(resp.Body)
    if err != nil {

        return nil, err
    }

    if resp.StatusCode < 200 || resp.StatusCode >= 300 {
        err = errors.New("GET: http client.Do[" + url + "] response error, status code: " +
            string(resp.StatusCode) + ", response body: " + string(respBody))
        //log.Error("infra", err)
        return respBody, err
    }
    return respBody, nil
}
  • goquery : 解析网页的库

第三方库,需要自己安装

代码语言:javascript
复制
doc, err := goquery.NewDocument("https://www.feixiaohao.com/")

解析网页内容

以网页源代码中的一个数字货币为例:

代码语言:javascript
复制
<tr id="bitcoin">
    <td>1</td>
    <td>
        <a href="/currencies/bitcoin/"  target="_blank">
            <img src="//static.feixiaohao.com/coin/7033f2f2c2a16094bbb3bafc47205ba8_small.png" alt="BTC-比特币">BTC-比特币
        </a>
    </td>
    
    <td  class="market-cap" data-usd="134254523787" data-cny="844272998288" data-btc="16887331">¥8,443亿 </td> 
        <td><a href="/currencies/bitcoin/#markets"  target="_blank" class="price" data-usd="7964" data-cny="50081"  data-btc="1">¥50,081</a></td>
        <td>1,686万</td>
        <td><a href="/currencies/bitcoin/#markets"  target="_blank" class="volume" data-usd="7039549769.62554"  data-cny="44268915134.0379" data-btc="888529.229834415">¥4,426,892万</a></td>
         <td class="change">
             <span  class="text-red">-9.65%</span>
        </td>
                                        <td class="char">
                <span class="line2" data-peity='{"stroke": "#3ca316"}'>8782,8484,8375,8298,7750,7356,6876,6088,6467,7053,7657,7483,8271,8106,7774,8171,8589,8321,8305,8002,8319,8493,8631,8980,8677,8496,8613,8080</span>

则:各字段解析如下:

代码语言:javascript
复制
doc.Find("table tbody tr").Each(func(i int, selector *goquery.Selection) {
    var data CoinInfo
    Rank := selector.Find("td").Eq(0).Text()
    CoinName := strings.TrimSpace(selector.Find("td").Eq(1).Text())
    CurrentCount := selector.Find("td").Eq(2).Text()
    CurrentPrice := selector.Find("td").Eq(3).Text()
    CurrentMark := selector.Find("td").Eq(4).Text()
    Count := selector.Find("td").Eq(5).Text()
    Change := strings.TrimSpace(selector.Find("td").Eq(6).Text())

不懂的可以看看goquery 函数方法,结合网页源代码一起看。

json 格式输出

代码语言:javascript
复制
Data, _ := json.MarshalIndent(allData, "", "  ")
fmt.Println(string(Data))

全部代码:注意核心代码很少

代码语言:javascript
复制
type CoinInfo struct {
    Rank         string `json:"rank"`
    Name         string `json:"name"`
    CurrentCount string `json:"current_count"`
    CurrentPrice string `json:"current_price"`
    CurrentMark  string `json:"current_mark"`
    Count        string `json:"count"`
    Change       string `json:"change"`
}

func queryExampleTwo() {
    doc, err := goquery.NewDocument("https://www.feixiaohao.com/")
    if err != nil {
        log.Fatal(err)
    }
    var allData []CoinInfo
    doc.Find("table tbody tr").Each(func(i int, selector *goquery.Selection) {
        var data CoinInfo
        Rank := selector.Find("td").Eq(0).Text()
        CoinName := strings.TrimSpace(selector.Find("td").Eq(1).Text())
        CurrentCount := selector.Find("td").Eq(2).Text()
        CurrentPrice := selector.Find("td").Eq(3).Text()
        CurrentMark := selector.Find("td").Eq(4).Text()
        Count := selector.Find("td").Eq(5).Text()
        Change := strings.TrimSpace(selector.Find("td").Eq(6).Text())
        data = CoinInfo{
            Rank:         Rank,
            Name:         CoinName,
            CurrentCount: CurrentCount,
            CurrentPrice: CurrentPrice,
            CurrentMark:  CurrentMark,
            Count:        Count,
            Change:       Change,
        }
        allData = append(allData, data)
    })
    Data, _ := json.MarshalIndent(allData, "", "  ")
    fmt.Println(string(Data))
}

结果:

代码语言:javascript
复制
[
  {
    "rank": "1",
    "name": "BTC-比特币",
    "current_count": "¥8,444亿 ",
    "current_price": "¥50,091",
    "current_mark": "1,686万",
    "count": "¥4,413,172万",
    "change": "-9.84%"
  },
  {
    "rank": "2",
    "name": "ETH-以太坊",
    "current_count": "¥4,902亿 ",
    "current_price": "¥5,025",
    "current_mark": "9,755万",
    "count": "¥1,749,536万",
    "change": "-9.68%"
  },
  {
    "rank": "3",
    "name": "XRP-瑞波币",
    "current_count": "¥2,335亿 ",
    "current_price": "¥5.98",
    "current_mark": "3,902,901万*",
    "count": "¥1,765,933万",
    "change": "-15.33%"
  },
  ...
 ]

上文就是一个简易的爬虫示例,主要使用的是goquery 这个解析网页的第三方库的使用,更多的用法和其他的第三方库差不多,甚至你能看出各种编程语言的相通之处。

除此之外,希望你能更加理解:编程语言只是工具。这句话的含义。

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2018.02.11 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 定义结构体
  • 获取网页内容
  • 解析网页内容
  • json 格式输出
相关产品与服务
命令行工具
腾讯云命令行工具 TCCLI 是管理腾讯云资源的统一工具。使用腾讯云命令行工具,您可以快速调用腾讯云 API 来管理您的腾讯云资源。此外,您还可以基于腾讯云的命令行工具来做自动化和脚本处理,以更多样的方式进行组合和重用。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档