colly.NewCollector() 默认不处理重定向和 Cookie，导致 302 跳转静默失败、OnHTML 不触发；需手动启用重定向策略、CookieJar、并发限制（LimitRule）、编码转换及深度/大小限制。
colly.NewCollector() 初始化时为什么爬不到数据
默认情况下 colly.NewCollector() 不启用自动重定向和 Cookie 管理，遇到 302 跳转或需会话保持的站点（比如登录后页面）直接静默失败，控制台也没报错，看起来就像“没触发回调”。
- 加
c.AllowURLRevisit = true才能重复访问同一 URL（调试时常用） - 必须显式调用
c.WithTransport(&http.Transport{...})并设置RedirectPolicy，否则 301/302 就断了 - 需要 Cookie 支持？得传入带
http.CookieJar的 client，原生NewCollector()不带 - 常见错误现象：
OnHTML完全不执行，OnRequest有日志但响应体为空——大概率是跳转被吞了
OnHTML("a[href]") 提取链接总漏掉部分结果
OnHTML 是基于 GoQuery 的 CSS 选择器，它只处理当前响应体的 HTML 文档结构，不会自动解析 JS 渲染内容，也不递归进 iframe 或动态插入的 DOM。
- 目标链接在
<script>里拼接生成？OnHTML看不见，得用OnResponse配正则或json.RawMessage解析 API 返回 - 用了伪类如
a[href]:not([href^='javascript'])？colly 底层的 goquery 不支持大部分伪类，会静默忽略，换成OnXML或手动过滤更稳 - 多个相同 selector 的节点，但只处理第一个？检查是否误用了
Find().First().Attr()，应改用Each()遍历 - 注意编码：如果页面声明的是
gbk但 colly 按 utf-8 解，OnHTML可能完全匹配不上——得提前用SetResponseCallback转码
并发爬取时报 “too many open files” 或请求超时
colly 默认不限制并发，c.Limit(&colly.LimitRule{DomainGlob: "*", Parallelism: 2}) 必须手动设，否则瞬间发几百个连接，系统文件描述符耗尽，Linux 下直接报 socket: too many open files。
-
Parallelism建议从 2～5 开始调，不是越大越快；目标站反爬强的话，设成 1 更稳妥 - 别只设
LimitRule就完事，还要配c.MaxDepth = 2和c.MaxBodySize = 1 （1MB），防内存炸 - 超时控制得两头抓：
c.WithTransport里设Timeout、IdleConnTimeout，同时每个Request单独传colly.RequestTimeout(10 * time.Second) - 容易被忽略：DNS 缓存没开，高频请求下
net.Dial反复查 DNS，比网络慢还拖累——加&http.Transport{DialContext: ...}套用net.Resolver缓存
怎么让 colly 正确处理登录态和表单提交
colly 本身不模拟浏览器行为，所谓“登录”，本质是手动构造登录请求 + 持久化 Cookie + 后续请求复用该 client 实例。
立即学习“go语言免费学习笔记（深入）”；
- 先用
c.OnResponse捕获登录页的Set-Cookie，再确保后续请求走同一个Collector实例（CookieJar 是绑定在 http.Client 上的） - 表单 POST 别用
c.Post()直接发——它不走中间件链，OnRequest/OnResponse全失效；正确做法是c.Request("POST", url, bytes.NewReader(data), nil, nil) - CSRF token 怎么拿？在登录页的
OnHTML("input[name=csrf_token]")里提取，存到闭包变量或c.Context，再塞进 POST body - 注意 Referer：有些站校验来源，得在
Request的headers参数里手动加"Referer": "https://example.com/login"
最麻烦的从来不是语法，而是每个网站对 Cookie、Header、重定向、JS 渲染的组合策略都不一样——写死规则不如留好 OnResponse 日志开关，先看清真实流量再动手。
