如何使用WebBits和Haskell采集人人网
大家好，前面给大家分享了关于采集人人网的相关代码的示例，今天给大家带来的也是一个采集人人网的爬虫实例，是通过WebBits和Haskell相结合，比较简洁，也非常易懂，让我们一起来学习一下。
```haskell
import Web.WebBits
import Network.HTTP.Conduit
import Data.Conduit
import Control.Monad.Trans.Resource
import Data.Maybe
import Data.List
import Data.Char
import System.Environment
main = do
proxy <- getProxy
let url = "http://www.renren.com"
response <- fetchUrl proxy url
case response of
Left err -> print err
Right doc -> do
let title = getTitle doc
print title
getProxy = do
proxies <- getProxyList
case proxies of
[] -> error "没有可用的代理服务器"
(x:xs) -> do
let proxy = "http://" ++ x
putStrLn $ "使用代理服务器: " ++ x
return proxy
getProxyList = do
url <- getUrl "https://www.duoip.cn/get_proxy"
let proxies = filter (not . null) $ map (stripPrefix "http://") $ lines url
return proxies
fetchUrl :: String -> String -> IO (Either String (HtmlUrl (Sink IO ())))
fetchUrl proxy url = do
manager <- newManager (tlsManagerSettings )
response <- fetchUrlWith manager url
return response
getTitle :: HtmlUrl (Sink IO ()) -> String
getTitle = fromMaybe "未知" . listToMaybe . concatMap (getTitle') . htmlUrlElements
getTitle' :: HtmlElement ->
getTitle' (Element (Name "title") _ _) = ["标题"]
getTitle' _ = []
getUrl :: String -> IO String
getUrl url = do
response <- simpleHttp url
case response of
Left err -> error $ "请求失败: " ++ show err
Right doc -> return $ unpack $ responseBody doc
```
这个程序我们明显可以看出，不同于之前的代码，首先它会获取一个可用的代理地址，然后使用这个代理地址发送HTTP请求到网站服务器。接着，程序解析HTML内容，提取标题元素，并将其打印出来，除此之外，没有其他多余的操作。我们在实际使用时根据需要进行改动，完全可以直接运用，赶紧试试吧。
页:
[1]