4

我一直在进行 go tour，并且我已经完成了网络爬虫练习，但我认为我用来打印所有结果的技术可能效率低下。

这是我的代码。我只编辑了抓取和主要功能，所以我将发布它。这是练习的链接（http://tour.golang.org/#70）

    var used = make(map[string]bool)

    func Crawl(url string, depth int, fetcher Fetcher, results chan string) {
        if depth <= 0 {
            return
        }
        body, urls, err := fetcher.Fetch(url)
        if err != nil {
            results <- fmt.Sprintf("%v",err)
            return
        }
        results <-fmt.Sprintf("\nfound: %s %q\n", url, body)
        for _,u := range urls {
            if used[u] == false {
                used[u] = true
                go Crawl(u, depth-1, fetcher, results)
            }
        }
        return
    }
    //------------------------------------------------------------
    func main() {
        used["http://golang.org/"] = true
        results := make(chan string)
        go Crawl("http://golang.org/", 4, fetcher, results)
        for i := 0; i < len(used); i++ {
            fmt.Println(<-results)
        }
    }

我在 main 中使用“for i < len(used)”行来确保仅在有要打印的结果时才打印结果中的值。我不能只使用

    for i := range results

因为它是递归的，所以很难在爬取函数中使用“close（results）”，但是按照我这样做的方式，我必须找到每次使用的变量的长度。

有一个更好的方法吗？

4

1 回答 1

3

要等待一组 goroutine 完成，请使用sync.WaitGroup.

I believe you'll find the example in the official documentation very familiar..

http://golang.org/pkg/sync/#example_WaitGroup

Quoting:

var wg sync.WaitGroup
var urls = []string{
    "http://www.golang.org/",
    "http://www.google.com/",
    "http://www.somestupidname.com/",
}
for _, url := range urls {
    // Increment the WaitGroup counter.
    wg.Add(1)
    // Launch a goroutine to fetch the URL.
    go func(url string) {
        // Fetch the URL.
        http.Get(url)
        // Decrement the counter.
        wg.Done()
    }(url)
}
// Wait for all HTTP fetches to complete.
wg.Wait()

这将阻塞，直到所有工作完成。

如果您真的想在收集结果时逐步打印结果，最简单的方法是在 fetcher 本身中进行。

于 2012-09-01T17:22:05.873 回答