草庐IT

go - 我在尝试使用 GO 同时解析站点时遇到多个错误

coder 2024-07-07 原文

在@Sam Whited 的一些进步和对堆栈的一些研究之后,我重写了我的代码,如下所示:这个版本的代码似乎更稳定,但是,它有时会出现问题大量的 TCP 错误,就好像我没有关闭我的请求一样。我通过添加 sleep 来限制请求。似乎有点帮助。

func main() {
    runtime.GOMAXPROCS(maxParallelism())
    var file = flag.String("f", "", "Enter new line deliminated text file")
    var fileName = flag.String("s", "contact_bot.csv", "Enter new line deliminated text file")
    flag.Parse()

    if *file != "" {
        counter := 0
        filters = []string{"info", "ads", "sales", "sale", "info", "media", "mediarelations", "media_relations", "contact", "contacts", "contactus", "contact_us", "contact-us", "about_us", "general", "advertise", "support", "systems", "system"}
        emailRE = regexp.MustCompile(`([a-z0-9!#$%&'*+\/=?^_{|}~-]+(?:\.[a-z0-9!#$%&'*+\/=?^_{|}~-]+)*(@|\sat\s)(?:[a-z0-9](?:[a-z0-9-]*[a-z0-9])?(\.|\sdot\s))+[a-z0-9](?:[a-z0-9-]*[a-z0-9])?)`)

        seedUrls, err := readLines(*file)
        checkErr(err)
        numberOfUrls := len(seedUrls)
        usr, err := user.Current()
        checkErr(err)
        parentPath := filepath.Join(usr.HomeDir, "/Desktop/"+*fileName)

        file, err := os.Create(parentPath)
        checkErr(err)
        defer file.Close()

        writer := csv.NewWriter(file)
        defer writer.Flush()

        var header = []string{"URL", "EMAILS"}
        err = writer.Write(header)
        checkErr(err)

        data = make(chan *HTTPResponse)
        go asyncHTTPGets(seedUrls)

    loop:
        for result := range data {
            counter++
            emails := findEmails(result.HTML, filters)
            fmt.Printf("%s, %s, %s\n", result.URL, emails, strconv.Itoa(numberOfUrls))
            var row = []string{result.URL, strings.Join(emails, ",")}
            err := writer.Write(row)
            // writer.Flush()
            checkErr(err)
            if counter == len(seedUrls) {
                break loop
            }
            numberOfUrls--
        }
    }
}


// AsyncHTTPGets ...
func asyncHTTPGets(urls []string) {
    counter := 0
    for _, url := range urls {
        counter++
        if counter%10 == 0 {
            time.Sleep(1 * time.Second)
        }
        go func(url string) {
            fmt.Printf("Fetching %s \n", url)
            resp, err := http.Get(url)
            if err != nil {
                fmt.Println(err.Error())
                data <- &HTTPResponse{url, err.Error()}
                return
            }
            b := resp.Body
            buf := new(bytes.Buffer)
            buf.ReadFrom(b)
            resp.Body.Close()
            myHTML := buf.String()
            data <- &HTTPResponse{url, myHTML}

        }(url)
    }
}

func findEmails(html string, filters []string) []string {
    emails := emailRE.FindAllString(html, -1)
    filteredEmails := []string{}
    for _, email := range emails {
        if stringInSlice(email, filters) {
            if !stringInSlice(email, filteredEmails) {
                filteredEmails = append(filteredEmails, email)
            }
        }
    }
    sort.Strings(filteredEmails)
    return filteredEmails
}

最佳答案

应用程序将打开大量套接字并可能违反文件描述符限制。我建议限制并发请求的数量以防止此问题:

    var (
        requestMu    sync.Mutex  // protects requestCount
        requestCount int         // incremented on each request
    )
    // Create 10 workers. Adjust up or down as needed.
    for w := 0; w < 10; w++ {
        go func() {
            for {
                // Increment request count. Exit at end.

                requestMu.Lock()
                i := requestCount
                requestCount++
                requestMu.Unlock()
                if i >= len(seedUrls) {
                    return
                }

                // Fetch the current URL.

                myURL := seedUrls[i]
                resp, err := http.Get(myUrl)
                if err != nil {
                    fmt.Println(myURL, err.Error(), i)
                    data <- &HTTPResponse{myURL, err.Error()}
                    continue
                }

                // Read body and close.

                b, err := ioutil.ReadAll(resp.Body)
                resp.Body.Close()
                if err != nil {
                    fmt.Println(myURL, err.Error(), i)
                    data <- &HTTPResponse{myURL, err.Error()}
                    continue
                }

                myHTML := string(b)
                data <- &HTTPResponse{myURL, myHTML}
            }
        }()
    }

    // Recieve expected number of results
    for i := 0; i < len(seedUrls); i++ {
        result <- data
        emails := findEmails(result.HTML, filters)
        fmt.Printf("%s, %s, %d\n", result.URL, emails, i)
        var row = []string{result.URL, strings.Join(emails, ",")}
        err := writer.Write(row)
        writer.Flush()
        if err != nil {
            panic(err)
        }
    }

关于go - 我在尝试使用 GO 同时解析站点时遇到多个错误,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/38622395/

有关go - 我在尝试使用 GO 同时解析站点时遇到多个错误的更多相关文章

  1. ruby - 如何使用 Nokogiri 的 xpath 和 at_xpath 方法 - 2

    我正在学习如何使用Nokogiri,根据这段代码我遇到了一些问题:require'rubygems'require'mechanize'post_agent=WWW::Mechanize.newpost_page=post_agent.get('http://www.vbulletin.org/forum/showthread.php?t=230708')puts"\nabsolutepathwithtbodygivesnil"putspost_page.parser.xpath('/html/body/div/div/div/div/div/table/tbody/tr/td/div

  2. Ruby 解析字符串 - 2

    我有一个字符串input="maybe(thisis|thatwas)some((nice|ugly)(day|night)|(strange(weather|time)))"Ruby中解析该字符串的最佳方法是什么?我的意思是脚本应该能够像这样构建句子:maybethisissomeuglynightmaybethatwassomenicenightmaybethiswassomestrangetime等等,你明白了......我应该一个字符一个字符地读取字符串并构建一个带有堆栈的状态机来存储括号值以供以后计算,还是有更好的方法?也许为此目的准备了一个开箱即用的库?

  3. ruby - 使用 RubyZip 生成 ZIP 文件时设置压缩级别 - 2

    我有一个Ruby程序,它使用rubyzip压缩XML文件的目录树。gem。我的问题是文件开始变得很重,我想提高压缩级别,因为压缩时间不是问题。我在rubyzipdocumentation中找不到一种为创建的ZIP文件指定压缩级别的方法。有人知道如何更改此设置吗?是否有另一个允许指定压缩级别的Ruby库? 最佳答案 这是我通过查看ruby​​zip内部创建的代码。level=Zlib::BEST_COMPRESSIONZip::ZipOutputStream.open(zip_file)do|zip|Dir.glob("**/*")d

  4. ruby - 为什么我可以在 Ruby 中使用 Object#send 访问私有(private)/ protected 方法? - 2

    类classAprivatedeffooputs:fooendpublicdefbarputs:barendprivatedefzimputs:zimendprotecteddefdibputs:dibendendA的实例a=A.new测试a.foorescueputs:faila.barrescueputs:faila.zimrescueputs:faila.dibrescueputs:faila.gazrescueputs:fail测试输出failbarfailfailfail.发送测试[:foo,:bar,:zim,:dib,:gaz].each{|m|a.send(m)resc

  5. ruby-on-rails - 使用 Ruby on Rails 进行自动化测试 - 最佳实践 - 2

    很好奇,就使用ruby​​onrails自动化单元测试而言,你们正在做什么?您是否创建了一个脚本来在cron中运行rake作业并将结果邮寄给您?git中的预提交Hook?只是手动调用?我完全理解测试,但想知道在错误发生之前捕获错误的最佳实践是什么。让我们理所当然地认为测试本身是完美无缺的,并且可以正常工作。下一步是什么以确保他们在正确的时间将可能有害的结果传达给您? 最佳答案 不确定您到底想听什么,但是有几个级别的自动代码库控制:在处理某项功能时,您可以使用类似autotest的内容获得关于哪些有效,哪些无效的即时反馈。要确保您的提

  6. ruby - 在 Ruby 中使用匿名模块 - 2

    假设我做了一个模块如下:m=Module.newdoclassCendend三个问题:除了对m的引用之外,还有什么方法可以访问C和m中的其他内容?我可以在创建匿名模块后为其命名吗(就像我输入“module...”一样)?如何在使用完匿名模块后将其删除,使其定义的常量不再存在? 最佳答案 三个答案:是的,使用ObjectSpace.此代码使c引用你的类(class)C不引用m:c=nilObjectSpace.each_object{|obj|c=objif(Class===objandobj.name=~/::C$/)}当然这取决于

  7. ruby - 使用 ruby​​ 和 savon 的 SOAP 服务 - 2

    我正在尝试使用ruby​​和Savon来使用网络服务。测试服务为http://www.webservicex.net/WS/WSDetails.aspx?WSID=9&CATID=2require'rubygems'require'savon'client=Savon::Client.new"http://www.webservicex.net/stockquote.asmx?WSDL"client.get_quotedo|soap|soap.body={:symbol=>"AAPL"}end返回SOAP异常。检查soap信封,在我看来soap请求没有正确的命名空间。任何人都可以建议我

  8. python - 如何使用 Ruby 或 Python 创建一系列高音调和低音调的蜂鸣声? - 2

    关闭。这个问题是opinion-based.它目前不接受答案。想要改进这个问题?更新问题,以便editingthispost可以用事实和引用来回答它.关闭4年前。Improvethisquestion我想在固定时间创建一系列低音和高音调的哔哔声。例如:在150毫秒时发出高音调的蜂鸣声在151毫秒时发出低音调的蜂鸣声200毫秒时发出低音调的蜂鸣声250毫秒的高音调蜂鸣声有没有办法在Ruby或Python中做到这一点?我真的不在乎输出编码是什么(.wav、.mp3、.ogg等等),但我确实想创建一个输出文件。

  9. ruby-on-rails - Rails 3 中的多个路由文件 - 2

    Rails2.3可以选择随时使用RouteSet#add_configuration_file添加更多路由。是否可以在Rails3项目中做同样的事情? 最佳答案 在config/application.rb中:config.paths.config.routes在Rails3.2(也可能是Rails3.1)中,使用:config.paths["config/routes"] 关于ruby-on-rails-Rails3中的多个路由文件,我们在StackOverflow上找到一个类似的问题

  10. ruby-on-rails - 'compass watch' 是如何工作的/它是如何与 rails 一起使用的 - 2

    我在我的项目目录中完成了compasscreate.和compassinitrails。几个问题:我已将我的.sass文件放在public/stylesheets中。这是放置它们的正确位置吗?当我运行compasswatch时,它不会自动编译这些.sass文件。我必须手动指定文件:compasswatchpublic/stylesheets/myfile.sass等。如何让它自动运行?文件ie.css、print.css和screen.css已放在stylesheets/compiled。如何在编译后不让它们重新出现的情况下删除它们?我自己编译的.sass文件编译成compiled/t

随机推荐