[转] Golang 网络爬虫框架 gocolly/colly

gocolly是用go实现的网络爬虫框架，目前在github上具有8600+星，名列go版爬虫程序榜首。gocolly快速优雅，在单核上每秒可以发起1K以上请求；以回调函数的形式提供了一组接口，可以实现任意类型的爬虫；依赖goquery库可以像jquery一样选择web元素。

gocolly的官方网站是 http://go-colly.org/，提供了详细的文档和示例代码。

安装colly: go get -u github.com/gocolly/colly

在代码中导入包：import "github.com/gocolly/colly"

colly的主体是Collector对象，管理网络通信和负责在作业运行时执行附加的回掉函数。

使用colly需要先初始化Collector：colly.NewCollector()

可以向colly附加各种不同类型的回掉函数，来控制收集作业或获取信息。

回掉函数的调用顺序如下：

1. OnRequest 在发起请求前被调用

2. OnError 请求过程中如果发生错误被调用

3. OnResponse 收到回复后被调用

4. OnHTML 在OnResponse之后被调用，如果收到的内容是HTML

5. OnScraped 在OnHTML之后被调用

官方提供的Basic示例代码：

func main() {
    c := colly.NewCollector()

    // Find and visit all links
    c.OnHTML("a", func(e *colly.HTMLElement) {
        e.Request.Visit(e.Attr("href"))
    })

    c.OnRequest(func(r *colly.Request) {
        fmt.Println("Visiting", r.URL)
    })

    c.Visit("http://go-colly.org/")
}

ECHO：

Visiting http://go-colly.org/
Visiting http://go-colly.org/docs/
Visiting http://go-colly.org/articles/
Visiting http://go-colly.org/services/
Visiting http://go-colly.org/datasets/
Visiting https://godoc.org/github.com/gocolly/colly
Visiting https://godoc.org/
Visiting https://godoc.org/-/about
Visiting https://golang.org/