Yo estaba haciendo un poco de web scraping utilizando colly, pero quería ejecutar periódicamente mediante cron. Me hizo probar un enfoque básico para ello.
type scraper struct {
coll *colly.Collector
rc *redis.Client
}
func newScraper(c *colly.Collector, rc *redis.Client) scraper {
return scraper{coll: c, rc: rc}
}
func main() {
rc := redis.NewClient(&redis.Options{
Addr: "localhost:3000",
Password: "", // no password set
DB: 0, // use default DB
})
coll := colly.NewCollector()
scrape := newScraper(coll, rc)
c := cron.New()
c.AddFunc("@every 10s", scrape.scrapePls)
c.Start()
sig := make(chan int)
<-sig
}
func (sc scraper) scrapePls() {
sc.coll.OnHTML(`body`, func(e *colly.HTMLElement) {
//Extracting required content
//Using Redis to store data
})
sc.coll.OnRequest(func(r *colly.Request) {
log.Println("Visting", r.URL)
})
sc.coll.Visit("www.example.com")
}
Parece no estar funcionando, hace una llamada una vez y no hacer periódicamente la siguiente llamada. No estoy seguro de si estoy perdiendo algo. ¿Hay algún otro de los enfoques que se pueden adoptar?
Cualquier ayuda se agradece.
Gracias!
{1 {30s} 0001-01-01 00:00:00 +0000 UTC 0001-01-01 00:00:00 +0000 UTC 0x6efa80 0x6efa80}]
. No era útil para mí. ¿Esta ayuda?