分片讀取http超大文件流
Golang中的HTTP發送get請求,在獲取內容有兩種情況。
Golang發送http get請求方式
resp, err := http.Get(sendUrl)
if err != nil {
fmt.Println("出錯", err)
return
}
第一種方式是直接全部讀取出來,這種方式在小數據量的時候很方便。
body變量直接全部接收resp響應內容
body, err2 := ioutil.ReadAll(resp.Body)
第二種方式,分片獲取。
首先頂一個切片buf := make([]byte, 4096)
容量和大小都是4096
個char字符(切片就是Golang自己的動態變長數組)
for無限循環讀取,讀取一塊內容放入buf中。result
是一個string
字符串,然後用 result
自動拼接。
for {
n, err:= resp.Body.Read(buf)
if err != nil || n == 0{
fmt.Println("出現錯誤")
break
}
result += string(buf[:n])
}
Golang中匹配正則
MustCompile內容不是單引號,而是 `
// 解析,編譯正則表達式
ret := regexp.MustCompile(`<img width="100" alt="(?:(.*?))"`)
//提取需要信息
var fileName [][] string = ret.FindAllStringSubmatch(result, -1)
該方法可以進一步推廣,可以推廣到下載超大文件,然後分片讀取和寫入硬盤。
然後再開啓另一個線程去將這些已經寫入硬盤的分片合稱在一起。
Golang 併發控制
Java中的多線程,如果主線程開啓多個子線程後,在多個子線程全部完成後,主線程纔會退出,程序終止。
而在Golang中不會出現此類情況,主Go程和子Go程需要人爲控制主GO程和子GO程同步,否則主GO程瞬間結束。
在主GO程開始執行子GO程地方創建一個 channel。子GO程開始往 channel
中添加數據,主GO程再消費數據。
func toWork(start, end int) {
//子Go程與主Go程完成同步,意思是子Go程沒有全部執行完畢,主Go程不許退出。
page := make(chan int)
for i:=start; i<=end; i++ {
//開啓子GO程
go SpiderPage(i, page)
}
//主GO程開始消費管道中的數據
for i:=start; i<=end; i++ {
fmt.Println("爬取完成", <- page)
}
}
往主GO程的channel中添加數據,提供給主GO程消費從而達到同步
func SpiderPage(index int, page chan int) {
page <- index
}
讀取http二進制碼寫入圖片
創建文件
獲取http流
分片逐步寫入
func saveImag(sendUrl string, index int, imageChannel chan int) {
//創建文件
path := "C:/img/" + strconv.Itoa(index) + ".jpg"
f, err := os.Create(path)
if err != nil {
return
}
defer f.Close()
//獲取http流
resp, err :=http.Get(sendUrl)
if err != nil {
return
}
defer resp.Body.Close()
//分片逐步寫入
buf := make([]byte, 4096)
for {
n, err := resp.Body.Read(buf)
if err != nil {
break
}
f.Write(buf[:n])
}
imageChannel <- index
}