练习5.13： 修改crawl，使其能保存发现的页面，必要时，可以创建目录来保存这些页面。只保存来自原始域名下的页面。假设初始页面在golang.org下，就不
要保存vimeo.com下的页面。
package main import (
"fmt"
"io"
"io/ioutil"
"links"
"log"
"net/http"
"net/url"
"os"
)
/*
练习5.13： 修改crawl，使其能保存发现的页面，必要时，可以创建目录来保存这些页面。只保存来自原始域名下的页面。假设初始页面在golang.org下，就不要保存vimeo.com下的页面。
*/
var sum int
func main() {
breadthFirst(crawl, os.Args[1:])
} /*
抓取页面的所有连接
*/
func crawl(url string) []string {
sum++ go save(url)
fmt.Printf("%d|%s\n", sum, url)
list, err := links.Extract(url)
if err != nil {
log.Print(err)
}
return list
} /*
保存页面到文件
*/
func save(u string) bool { urlObj, _ := url.Parse(u)
path := "/tmp/crawl/" + urlObj.Host
if urlObj.Path == "" || urlObj.Path == "/" {
urlObj.Path = "/index.html"
}
filename := path + urlObj.Path //重点注意文件名
fmt.Println(filename)
//打开文件
f, _ := os.OpenFile(filename, os.O_CREATE|os.O_APPEND|os.O_RDWR, 0755)
//读取链接
resp, geterr := http.Get(u) if geterr != nil || resp.StatusCode != http.StatusOK {
//resp.Body.Close()
return false
}
body, _ := ioutil.ReadAll(resp.Body)
//fmt.Println(body)
//创建保存目录
_, err := os.Stat(path)
if err != nil {
os.MkdirAll(path, 0755)
} io.WriteString(f, string(body))
resp.Body.Close()
body = nil
return true
} /*
广度优先算法
*/
// breadthFirst calls f for each item in the worklist.
// Any items returned by f are added to the worklist.
// f is called at most once for each item.
func breadthFirst(f func(item string) []string, worklist []string) {
seen := make(map[string]bool)
for len(worklist) > 0 {
items := worklist
worklist = nil
for _, item := range items {
if !seen[item] {
seen[item] = true
worklist = append(worklist, f(item)...)
}
}
}
}
