Golang简易爬虫开发实战项目

答案是使用Golang编写简单爬虫可通过net/http发起请求，结合golang.org/x/net/html解析HTML，提取标题和链接。程序首先发送HTTP请求获取网页内容，检查响应状态码后解析HTML文档，递归遍历节点获取title标签内容及所有a标签的href属性值并打印。基础版本为单页同步爬取，适合初学者理解流程。后续可扩展命令行参数、引入框架如colly、添加请求延迟、数据持久化及并发抓取多个页面，利用Go的goroutine实现高效批量爬取，展现其在性能和结构上的优势。

用Golang写一个简单的爬虫程序并不复杂，适合初学者快速上手。下面是一个基础但实用的爬虫项目示例，帮助你抓取网页内容并提取关键信息。

项目目标

从一个静态网页中获取标题和所有链接，并打印出来。我们将使用 net/http 发起请求，用 golang.org/x/net/html 解析HTML。

环境准备

go get golang.org/x/net/html

代码实现

创建文件 main.go，写入以下内容：

package main
import (
  "fmt"
  "io"
  "net/http"
  "golang.org/x/net/html"
)

func main() {
  resp, err := http.Get("https://example.com")
  if err != nil {
    fmt.Printf("请求失败: %v\n", err)
    return
  }
  defer resp.Body.Close()

  if resp.StatusCode != 200 {
    fmt.Printf("HTTP错误: %d\n", resp.StatusCode)
    return
  }

  doc, err := html.Parse(resp.Body)
  if err != nil {
    fmt.Printf("解析HTML失败: %v\n", err)
    return
  }

  fmt.Printf("页面标题: %s\n", extractTitle(doc))
  fmt.Println("发现的链接:")
  extractLinks(doc)
}

func extractTitle(n *html.Node) string {
  if n.Type == html.ElementNode && n.Data == "title" {
    if n.FirstChild != nil {
      return n.FirstChild.Data
    }
  }
  for c := n.FirstChild; c != nil; c = c.NextSibling {
    if title := extractTitle(c); title != "" {
      return title
    }
  }
  return ""
}

func extractLinks(n *html.Node) {
  if n.Type == html.ElementNode && n.Data == "a" {
    for _, attr := range n.Attr {
      if attr.Key == "href" {
        fmt.Println(attr.Val)
      }
    }
  }
  for c := n.FirstChild; c != nil; c = c.NextSibling {
    extractLinks(c)
  }
}

运行与测试

在终端执行：

go run main.go

输出类似：

页面标题: Example Domain
发现的链接:
https://www.iana.org/domains/example

扩展建议

这个爬虫是同步且单页的，你可以进一步优化：

• 添加命令行参数支持不同URL
• 使用 colly 框架处理更复杂的爬取逻辑
• 加入延迟控制避免频繁请求
• 将结果保存到文件或数据库

基本上就这些。Golang的并发特性让爬虫很容易扩展成多任务模式，后续可以尝试用 goroutine 实现并发抓取多个页面。结构清晰、性能好，是Go做爬虫的一大优势。