爬虫一共有四个主要步骤：

1. 明确目标，要知道你准备在哪个范围或者网站去搜索。
2. 爬，将所有的网站内容全部爬下来。
3. 取，去掉对我们没用处的数据。
4. 处理数据，按照我们想要的方式存储和使用。

1，百度贴吧小爬虫

代码如下：

package main

import (
	"fmt"
	"net/http"
	"os"
	"strconv"
)

//爬取网页内容
func HttpGet(url string) (result string, err error) {
	resp, err1 := http.Get(url)
	if err1 != nil {
		err = err1
		return
	}
	defer resp.Body.Close()
	//读取网页body的内容
	buf := make([]byte, 1204*4)
	for {
		n, err := resp.Body.Read(buf)
		if n == 0 { //读取结束，或者出问题
			fmt.Println("resp.Body.Read err = ", err)
			break
		}
		result += string(buf[:n])
	}
	return
}

func DoWork(start, end int) {
	fmt.Printf("正在爬取 %d 到 %d 的页面\n", start, end)

	//1,明确目标（要知道你准备在哪个范围或者网站去搜索）
	//https://tieba.baidu.com/f?kw=%E7%BB%9D%E5%9C%B0%E6%B1%82%E7%94%9F&ie=utf-8&pn=0 //下一页+50
	for i := start; i <= end; i++ {
		url := "https://tieba.baidu.com/f?kw=%E7%BB%9D%E5%9C%B0%E6%B1%82%E7%94%9F&ie=utf-8&pn=" + strconv.Itoa((i-1)*50)
		fmt.Println("url = ", url)

		//2,爬取内容（将网站内容爬取下来）
		result, err := HttpGet(url)
		if err != nil {
			fmt.Println("HttpGet err = ", err)
			continue
		}
		//把内容写入到文件
		fileName := strconv.Itoa(i) + ".html"
		f, err1 := os.Create(fileName)
		if err1 != nil {
			fmt.Println("os.Create err1 = ", err1)
			continue
		}
		f.WriteString(result) //写内容
		f.Close()             //关闭文件

	}

}

func main() {
	var start, end int
	fmt.Printf("请输入起始页(>= 1)：")
	fmt.Scan(&start)
	fmt.Printf("请输入终止页(>= 起始页)：")
	fmt.Scan(&end)

	DoWork(start, end)

}

运行之后，将会把爬取的内容保存在文件中。

2，并发版爬虫

刚刚的爬虫是单任务跑的，如果爬取量非常大，就需要用到并发了。

package main

import (
	"fmt"
	"net/http"
	"os"
	"strconv"
)

//爬取网页内容
func HttpGet(url string) (result string, err error) {
	resp, err1 := http.Get(url)
	if err1 != nil {
		err = err1
		return
	}
	defer resp.Body.Close()
	//读取网页body的内容
	buf := make([]byte, 1204*4)
	for {
		n, err := resp.Body.Read(buf)
		if n == 0 { //读取结束，或者出问题
			fmt.Println("resp.Body.Read err = ", err)
			break
		}
		result += string(buf[:n])
	}
	return
}
func SpiderPage(i int, page chan<- int) {
	url := "https://tieba.baidu.com/f?kw=%E7%BB%9D%E5%9C%B0%E6%B1%82%E7%94%9F&ie=utf-8&pn=" + strconv.Itoa((i-1)*50)
	fmt.Println("url = ", url)

	//2,爬取内容（将网站内容爬取下来）
	result, err := HttpGet(url)
	if err != nil {
		fmt.Println("HttpGet err = ", err)
		return
	}
	//把内容写入到文件
	fileName := strconv.Itoa(i) + ".html"
	f, err1 := os.Create(fileName)
	if err1 != nil {
		fmt.Println("os.Create err1 = ", err1)
		return
	}
	f.WriteString(result) //写内容
	f.Close()             //关闭文件
	page <- i
}

func DoWork(start, end int) {
	fmt.Printf("正在爬取 %d 到 %d 的页面\n", start, end)
	page := make(chan int)
	//1,明确目标（要知道你准备在哪个范围或者网站去搜索）
	//https://tieba.baidu.com/f?kw=%E7%BB%9D%E5%9C%B0%E6%B1%82%E7%94%9F&ie=utf-8&pn=0 //下一页+50
	for i := start; i <= end; i++ {
		go SpiderPage(i, page)
	}

	for i := start; i <= end; i++ {
		fmt.Printf("第%d个页面爬取完成\n", <-page)
	}
}

func main() {
	var start, end int
	fmt.Printf("请输入起始页(>= 1)：")
	fmt.Scan(&start)
	fmt.Printf("请输入终止页(>= 起始页)：")
	fmt.Scan(&end)

	DoWork(start, end)

}

利用 go 关键词实现并发，然后再配合管道以保证任务在完成之前阻塞状态，从而能够正常完成。