package main

import (

	"fmt"

	"net/http"

	"os"

	"regexp"

	"strconv"

	"strings"

)

func HttpGet(url string) (result string, err error) {

	resp, err1 := http.Get(url) //发送get请求

	if err1 != nil {

		err = err1

		return

	}

	defer resp.Body.Close()

	//读取网页内容

	buf := make([]byte, 4*1024)

	for {

		n, _ := resp.Body.Read(buf)

		if n == 0 {

			break

		}

		result += string(buf[:n]) //累加读取的内容

	}

	return

}

//开始爬取每一个笑话，每一个段子 title, content, err := SpiderOneJoy(url)

func SpiderOneJoy(url string) (title, content string, err error) {

	//开始爬取页面内容

	result, err1 := HttpGet(url)

	if err1 != nil {

		//fmt.Println("HttpGet err = ", err)

		err = err1

		return

	}

	//取关键信息

	//取标题  <h1>  标题 </h1>  只取1个

	re1 := regexp.MustCompile(`<h1>(?s:(.*?))</h1>`)

	if re1 == nil {

		//fmt.Println("regexp.MustCompile err")

		err = fmt.Errorf("%s", "regexp.MustCompile err")

		return

	}

	//取内容

	tmpTitle := re1.FindAllStringSubmatch(result, 1) //最后一个参数为1，只过滤第一个

	for _, data := range tmpTitle {

		title = data[1]

		//		title = strings.Replace(title, "\r", "", -1)

		//		title = strings.Replace(title, "\n", "", -1)

		//		title = strings.Replace(title, " ", "", -1)

		title = strings.Replace(title, "\t", "", -1)

		break

	}

	//取内容 <div class="content-txt pt10"> 段子内容 <a id="prev" href="

	re2 := regexp.MustCompile(`<div class="content-txt pt10">(?s:(.*?))<a id="prev" href="`)

	if re2 == nil {

		//fmt.Println("regexp.MustCompile err")

		err = fmt.Errorf("%s", "regexp.MustCompile err2")

		return

	}

	//取内容

	tmpContent := re2.FindAllStringSubmatch(result, -1)

	for _, data := range tmpContent {

		content = data[1]

		content = strings.Replace(content, "\t", "", -1)

		content = strings.Replace(content, "\n", "", -1)

		content = strings.Replace(content, "\r", "", -1)

		content = strings.Replace(content, "<br />", "", -1)

		break

	}

	return

}

//把内容写入到文件

func StoreJoyToFile(i int, fileTitle, fileContent []string) {

	//新建文件

	f, err := os.Create(strconv.Itoa(i) + ".txt")

	if err != nil {

		fmt.Println("os.Create err = ", err)

		return

	}

	defer f.Close()

	//写内容

	n := len(fileTitle)

	for i := 0; i < n; i++ {

		//写标题

		f.WriteString(fileTitle[i] + "\n")

		//写内容

		f.WriteString(fileContent[i] + "\n")

		f.WriteString("\n=================================================================\n")

	}

}

func SpiderPape(i int, page chan int) {

	//明确爬取的url

	//https://www.pengfu.com/xiaohua_1.html

	url := "https://www.pengfu.com/xiaohua_" + strconv.Itoa(i) + ".html"

	fmt.Printf("正在爬取第%d个网页：%s\n", i, url)

	//开始爬取页面内容

	result, err := HttpGet(url)

	if err != nil {

		fmt.Println("HttpGet err = ", err)

		return

	}

	//fmt.Println("r = ", result)

	//取，<h1 class="dp-b"><a href=" 一个段子url连接   "

	//解释表达式

	re := regexp.MustCompile(`<h1 class="dp-b"><a href="(?s:(.*?))"`)

	if re == nil {

		fmt.Println("regexp.MustCompile err")

		return

	}

	//取关键信息

	joyUrls := re.FindAllStringSubmatch(result, -1)

	//fmt.Println("joyUrls = ", joyUrls)

	fileTitle := make([]string, 0)

	fileContent := make([]string, 0)

	//取网址

	//第一个返回下标，第二个返回内容

	for _, data := range joyUrls {

		//fmt.Println("url = ", data[1])

		//开始爬取每一个笑话，每一个段子

		title, content, err := SpiderOneJoy(data[1])

		if err != nil {

			fmt.Println("SpiderOneJoy err = ", err)

			continue

		}

		//fmt.Printf("title = #%v#", title)

		//fmt.Printf("content = #%v#", content)

		fileTitle = append(fileTitle, title)       //追加内容

		fileContent = append(fileContent, content) //追加内容

	}

	//fmt.Println("fileTitle= ", fileTitle)

	//fmt.Println("fileContent= ", fileContent)

	//把内容写入到文件

	StoreJoyToFile(i, fileTitle, fileContent)

	page <- i //写内容，写num

}

func DoWork(start, end int) {

	fmt.Printf("准备爬取第%d页到%d页的网址\n", start, end)

	page := make(chan int)

	for i := start; i <= end; i++ {

		//定义一个函数，爬主页面

		go SpiderPape(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) //工作函数

}

D:\GoFiles\src\hello_01>go run get_pengfu.go

请输入起始页( >= 1) :1

请输入终止页( >= 起始页) :5

准备爬取第1页到5页的网址

正在爬取第5个网页：https://www.pengfu.com/xiaohua_5.html

正在爬取第2个网页：https://www.pengfu.com/xiaohua_2.html

正在爬取第3个网页：https://www.pengfu.com/xiaohua_3.html

正在爬取第4个网页：https://www.pengfu.com/xiaohua_4.html

正在爬取第1个网页：https://www.pengfu.com/xiaohua_1.html

第4个页面爬取完成

第3个页面爬取完成

第1个页面爬取完成

第5个页面爬取完成

第2个页面爬取完成