Golang用colly做简单爬虫教程
时间:2025-06-30 14:42:15 454浏览 收藏
你在学习Golang相关的知识吗?本文《Golang用colly实现简单爬虫教程》,主要介绍的内容就涉及到,如果你想提升自己的开发能力,就不要错过这篇文章,大家要知道编程理论基础和实战操作都是不可或缺的哦!
实现一个简单的爬虫程序在Golang中使用colly框架非常高效。1. 安装colly:执行go get github.com/gocolly/colly/v2完成安装;2. 创建采集器:使用colly.NewCollector()创建采集器并用OnHTML监听HTML元素提取内容,如抓取网页标题;3. 抓取多个链接:通过OnHTML捕获a标签并递归访问子链接,可设置MaxDepth限制爬取深度;4. 设置请求头与延迟:用OnRequest设置User-Agent模拟浏览器行为,并通过Limit控制并发和请求间隔降低被封风险;5. 保存数据:将结果保存为JSON格式或存入数据库,满足后续分析需求。这些步骤展示了colly的基本用法,适合快速开发小型爬虫项目。
实现一个简单的爬虫程序其实并不难,尤其是在 Golang 中使用 colly 这个框架,可以非常高效地完成网页抓取任务。Colly 是 Go 语言中最流行的爬虫库之一,简单易用、性能高,适合新手入门和快速开发。

安装 Colly
在开始写代码之前,首先需要安装 colly:

go get github.com/gocolly/colly/v2
这一步完成后,就可以在项目中导入并使用了。记得保持你的 Go 环境配置正确,否则可能会遇到依赖问题。
创建第一个爬虫:抓取网页标题
我们先从最基础的示例入手:抓取某个网页的
标签内容。

package main import ( "fmt" "github.com/gocolly/colly/v2" ) func main() { // 创建一个新的 collector c := colly.NewCollector() // 在访问每个页面时触发 c.OnHTML("title", func(e *colly.HTMLElement) { fmt.Println("页面标题是:", e.Text) }) // 开始访问目标网址 c.Visit("https://example.com") }
这段代码的作用就是访问 example.com
并提取其中的标题。关键点在于:
- 使用
colly.NewCollector()
创建采集器。 - 使用
OnHTML
监听 HTML 元素,传入选择器(如 CSS 选择器)。 - 使用
Visit
发起请求。
你可以把 https://example.com
替换成任何你想爬取的网站试试看。
抓取多个链接:遍历页面中的所有超链接
很多时候我们不仅想抓取一个页面的内容,还想顺着链接继续爬下去。这时候可以用 OnHTML
来捕获 标签,并递归访问它们。
c.OnHTML("a[href]", func(e *colly.HTMLElement) { link := e.Attr("href") // 访问子链接 c.Visit(link) })
但要注意,这样会无限递归下去。通常我们会限制采集深度:
c := colly.NewCollector( colly.MaxDepth(2), // 只爬两层页面 )
这样就能避免爬到太多无关页面,控制资源消耗。
设置请求头与延迟:模拟浏览器行为
有些网站会对爬虫做限制,我们可以稍微“伪装”一下请求头,让服务器认为你是浏览器访问:
c.OnRequest(func(r *colly.Request) { r.Headers.Set("User-Agent", "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0 Safari/537.36") })
另外,为了避免对服务器造成压力,也可以设置访问间隔:
c.Limit(&colly.LimitRule{ DomainGlob: "*", Parallelism: 2, Delay: 1 * time.Second, })
这样每秒最多请求一次,同时并发不超过两个请求,可以有效降低被封 IP 的风险。
小技巧:保存数据到文件或数据库
爬下来的数据当然要保存起来。常见的做法是保存为 JSON 或 CSV 文件。
例如保存成 JSON:
type Result struct { Title string `json:"title"` URL string `json:"url"` } var results []Result c.OnHTML("title", func(e *colly.HTMLElement) { results = append(results, Result{ Title: e.Text, URL: e.Request.URL.String(), }) }) // 最后用 json.MarshalIndent 写入文件即可
如果你打算做更复杂的分析,还可以考虑将数据存入 SQLite、MySQL 或 MongoDB。
基本上就这些了。Colly 功能很强大,上面只是展示了最基本的一些用法。实际使用中还可以结合代理、分布式架构等来提升效率。不过对于大多数小规模爬虫需求来说,这些已经够用了。
以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于Golang的相关知识,也可关注golang学习网公众号。
-
505 收藏
-
502 收藏
-
501 收藏
-
501 收藏
-
501 收藏
-
307 收藏
-
404 收藏
-
294 收藏
-
246 收藏
-
496 收藏
-
414 收藏
-
130 收藏
-
397 收藏
-
384 收藏
-
151 收藏
-
194 收藏
-
392 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 立即学习 542次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 立即学习 508次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 立即学习 497次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 立即学习 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 立即学习 484次学习