练习：Web 爬虫

在本练习中，你将使用 Go 的并发特性，让 Web 爬虫并行工作。

修改 Crawl 函数，使其并行抓取 URL，同时避免重复抓取同一个 URL。

提示：你可以在一个映射中缓存已经抓取过的 URL，但仅使用映射本身并不能保证并发访问安全！

< 10/11 >

package main

import (
	"fmt"
)

type Fetcher interface {
	// Fetch 返回 URL 的正文以及
	// 在该页面上找到的 URL 切片。
	Fetch(url string) (body string, urls []string, err error)
}

// Crawl 使用 fetcher 从 url 开始递归抓取
// 页面，最大深度为 depth。
func Crawl(url string, depth int, fetcher Fetcher) {
	// TODO: 并行获取 URL。
	// TODO: 不要重复获取同一个 URL。
	// 此实现两者都没有做到：
	if depth <= 0 {
		return
	}
	body, urls, err := fetcher.Fetch(url)
	if err != nil {
		fmt.Println(err)
		return
	}
	fmt.Printf("found: %s %q\n", url, body)
	for _, u := range urls {
		Crawl(u, depth-1, fetcher)
	}
	return
}

func main() {
	Crawl("https://golang.org/", 4, fetcher)
}

// fakeFetcher 是一个返回预设结果的 Fetcher。
type fakeFetcher map[string]*fakeResult

type fakeResult struct {
	body string
	urls []string
}

func (f fakeFetcher) Fetch(url string) (string, []string, error) {
	if res, ok := f[url]; ok {
		return res.body, res.urls, nil
	}
	return "", nil, fmt.Errorf("not found: %s", url)
}

// fetcher 是一个已填充数据的 fakeFetcher。
var fetcher = fakeFetcher{
	"https://golang.org/": &fakeResult{
		"The Go Programming Language",
		[]string{
			"https://golang.org/pkg/",
			"https://golang.org/cmd/",
		},
	},
	"https://golang.org/pkg/": &fakeResult{
		"Packages",
		[]string{
			"https://golang.org/",
			"https://golang.org/cmd/",
			"https://golang.org/pkg/fmt/",
			"https://golang.org/pkg/os/",
		},
	},
	"https://golang.org/pkg/fmt/": &fakeResult{
		"Package fmt",
		[]string{
			"https://golang.org/",
			"https://golang.org/pkg/",
		},
	},
	"https://golang.org/pkg/os/": &fakeResult{
		"Package os",
		[]string{
			"https://golang.org/",
			"https://golang.org/pkg/",
		},
	},
}