go -colly: Как мне получить заголовок HTML в c .OnResponse, чтобы заполнить структуру? - PullRequest
Новая
       5

go -colly: Как мне получить заголовок HTML в c .OnResponse, чтобы заполнить структуру?

1 голос
/ 08 мая 2020

Как я могу получить HTML .title в c .OnResponse - или есть лучшая альтернатива заполнить Struct url / title / content

  • В конце мне нужно заполните приведенную ниже структуру и опубликуйте ее в elasticsearch. 
type WebPage struct {
    Url     string `json:"url"`
    Title   string `json:"title"`
    Content string `json:"content"`
}

    // Print the response
    c.OnResponse(func(r *colly.Response) {
        pageCount++
        log.Println(r.Headers)


        webpage := WebPage{
            Url:     r.Ctx.Get("url"), //- can be put in ctx c.OnRequest, and r.Ctx.Get("url")
            Title:   "my title", //string(r.title), // Where to get this?
            Content: string(r.Body),  //string(r.Body) - can be done in c.OnResponse
        }

        enc := json.NewEncoder(os.Stdout)
        enc.SetIndent("", "  ")
        enc.Encode(webpage) // SEND it to elasticsearch 

        log.Println(fmt.Sprintf("%d  DONE Visiting : %s", pageCount, urlVisited))

    })

Я могу получить заголовок в методе, как показано ниже, однако Ctx недоступен, поэтому я не могу поместить значение "title" в Ctx . Другие варианты? 

    c.OnHTML("title", func(e *colly.HTMLElement) {
        fmt.Println(e.Text)
        e.Ctx.Put("title", e.Text) // NOT ACCESSIBLE!
    })

Журналы 

2020/05/07 17:42:37 7  DONE Visiting : https://www.coursera.org/learn/build-portfolio-website-html-css
{
  "url": "https://www.coursera.org/learn/build-portfolio-website-html-css",
  "title": "my page title",
  "content": "page html body bla "
}
2020/05/07 17:42:37 8  DONE Visiting : https://www.coursera.org/learn/build-portfolio-website-html-css
{
  "url": "https://www.coursera.org/browse/social-sciences",
  "title": "my page title",
  "content": "page html body bla "
}

1 Ответ

0 голосов
/ 08 мая 2020

Я создал глобальную переменную этой структуры и продолжал заполнять ее разными методами

Не уверен, что это лучший способ. 


fun  main(){
....

    webpage := WebPage{} //Is this a right way to declare a mutable struct?

    c.OnRequest(func(r *colly.Request) { // url
        webpage.Url = r.URL.String() // Is this the right way to mutate?

    })

    c.OnResponse(func(r *colly.Response) { //get body
        pageCount++
        log.Println(fmt.Sprintf("%d  DONE Visiting : %s", pageCount, webpage.Url))

    })

    c.OnHTML("head title", func(e *colly.HTMLElement) { // Title
        webpage.Title = e.Text
    })
    c.OnHTML("html body", func(e *colly.HTMLElement) { // Body / content
        webpage.Content = e.Text  // Can url title body be misrepresented in multithread scenario?
    })

    c.OnHTML("a[href]", func(e *colly.HTMLElement) { // href , callback
        link := e.Attr("href")
        e.Request.Visit(link)
    })

    c.OnError(func(r *colly.Response, err error) { // Set error handler
        log.Println("Request URL:", r.Request.URL, "failed with response:", r, "\nError:", err)
    })

    c.OnScraped(func(r *colly.Response) { // DONE
        enc := json.NewEncoder(os.Stdout)
        enc.SetIndent("", "  ")
        enc.Encode(webpage)
    })
...