Golang用colly做简单爬虫教程
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。
PHP实现PostgreSQL触发器设置教程
- 上一篇
- PHP实现PostgreSQL触发器设置教程
- 下一篇
- Excel+Python预测分析教程详解
-
- Golang · Go教程 | 2天前 | Go教程 · Go encoding/xml 空元素 指针字段
- Go encoding/xml 空元素与指针字段的处理方式
- 142浏览 收藏
-
- Golang · Go教程 | 2天前 | Go教程 · Go encoding/xml 字段映射 Unmarshaler
- Go encoding/xml 自定义 Unmarshaler 的字段映射
- 189浏览 收藏
-
- Golang · Go教程 | 2天前 |
- Go encoding/xml Token 流式读取大型 XML
- 424浏览 收藏
-
- Golang · Go教程 | 2天前 | go · encoding/json · JSON Go encoding/json omitempty
- Go encoding/json omitempty 对零值字段的输出边界
- 192浏览 收藏
-
- Golang · Go教程 | 2天前 |
- Go encoding/json Decoder Token 流式读取嵌套结构
- 364浏览 收藏
-
- Golang · Go教程 | 2天前 |
- Go encoding/json Decoder UseNumber 保留大整数精度
- 328浏览 收藏
-
- Golang · Go教程 | 2天前 |
- Go fmt.Scanner 自定义扫描规则的实现要点
- 182浏览 收藏
-
- Golang · Go教程 | 2天前 |
- Go fmt.Appendf 追加格式化结果的低分配写法
- 478浏览 收藏
-
- Golang · Go教程 | 2天前 |
- Go strings.IndexByte 定位协议分隔符的低分配写法
- 413浏览 收藏
-
- Golang · Go教程 | 2天前 | go · Strings · Go 字符串前缀 strings.CutPrefix
- Go strings.CutPrefix 处理可选前缀的分支设计
- 165浏览 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。
- 543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。
- 516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
- 500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。
- 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。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 286次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 340次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 339次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 306次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 127次使用
-
- Java 性能优化上线清单:从定位、改造到灰度发布
- 2026-06-11 860浏览
-
- Spring Boot 压测验证:Gatling、JMeter 与性能回归门禁
- 2026-06-11 843浏览
-
- Java NMT 非堆内存排查:Direct Buffer、线程栈与 Metaspace 分析
- 2026-06-11 826浏览
-
- Spring Boot 容器内存优化:JVM 堆、非堆与 MaxRAMPercentage
- 2026-06-11 809浏览
-
- Tomcat 连接与线程参数调优:maxThreads、acceptCount 与 KeepAlive
- 2026-06-11 792浏览
