Colly简单快速的 Web 爬虫框架

Colly 是一个采用 Go 语言编写的 Web 爬虫框架，旨在提供一个能够写任何爬虫/采集器/蜘蛛的简洁模板。通过 Colly ，你可以轻松从网站中提取结构化的数据，然后进行数据挖掘、处理或归档。

项目特性

• 清晰明了的 API 

• 快速（单个内核上的请求数大于1k）

• 管理每个域的请求延迟和最大并发数

• 自动 cookie 和会话处理

• 同步/异步/并行抓取

• 高速缓存

• 自动处理非 Unicode 编码

• 支持 Robots.txt

• 支持 Google App Engine

• 通关环境变量进行配置

• 可扩展

示例

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

	// Find and visit all links
	c.OnHTML("a[href]", 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/")
}