当前位置:首页 > 文章列表 > Golang > Go问答 > 使用 go-colly 解析 HTML,函数返回一个空切片

使用 go-colly 解析 HTML,函数返回一个空切片

来源:stackoverflow 2024-03-17 14:39:30 0浏览 收藏

在使用 go-colly 框架解析 HTML 时,遇到函数返回空切片的问题。分析后发现,这是由于切片标头更新发生在回调函数中,而返回的值是旧的切片标头。为了解决此问题,建议使用切片指针作为函数参数或返回值,以确保切片标头的更新反映在主函数中。通过这种方式,可以正确获取解析后的数据。

问题内容

我正在使用 colly 框架解析网站,但发生了一些错误。我有一个非常基本的函数 getweeks() 来抓取并返回一些东西,但我得到的是一个空切片。

func getWeeks(c *colly.Collector) []string {
    var wks []string
    c.OnHTML("div.ltbluediv", func(div *colly.HTMLElement) {
        weekName := div.DOM.Find("span").Text()  // a string Week 1, Week 2 etc 
        wks = append(wks, weekName)  // weekName has actual value is not empty
        // If `wks` printed here it shows correctly how the slice gets populated on each iteration
    })
    return wks  // returns []
}

func main() {
    c := colly.NewCollector(
    )

    w := getWeeks(c)
    fmt.Println(w)  // []

    c.OnRequest(func(r *colly.Request) {
        r.Headers.Set("User-Agent", "Mozilla/5.0 (Windows NT 6.1; Win64; x64)")
    })

    c.Visit("target url")

}

正确答案


tl;dr:切片标头在 onhtml 回调内更新,但您在 main 中打印的值是旧的切片标头。您应该使用 *[]string 来代替。

首先,您传递给 c.onhtml 的回调实际上只会在您调用 c.visit 之后运行,因此在 getweeks 之后立即打印 w ,在任何情况下都会显示一个空切片。

但是,即使在 c.visit 之后打印它也会是一个空切片,为什么?

go 中的切片是作为一种数据结构实现的 - 称为切片头(更多信息:12)。

当您分配 getweeks 的返回值时,您实际上是在复制切片标头,包括其字段 datalencap。您可以通过使用 %p 动词打印切片的地址来在 this playground 中看到它(使用其他结构而不是 go-colly 使示例自包含):

func getweeks(c *foo) []string {
    var wks []string
    c.onhtml("div.ltbluediv", func(text string) {
        weekname := text
        wks = append(wks, weekname)
    })
    fmt.printf("%p\n", &wks)
    return wks
}

func main() {
    c := &foo{}

    w := getweeks(c)

    c.visit("target url")
    fmt.printf("%p\n", &w)

}

打印两个不同的内存地址:

0xc0000ac030
0xc0000ac018

现在,如果您继续在 stack overflow 上查找有关切片和 append 行为的信息,您可能会发现,如果切片具有足够的容量(123),则不会重新分配后备数组。

但是,即使您通过使用足够的容量初始化 wks 来确保后备数组相同,w 的值仍然是原始切片标头的副本,因此长度为 0this playground 对此进行了演示,其中打印:

in getweeks reflect.sliceheader{data:0xc0000121b0, len:0, cap:3}
in callback reflect.sliceheader{data:0xc0000121b0, len:1, cap:3}
in callback reflect.sliceheader{data:0xc0000121b0, len:2, cap:3}
in callback reflect.sliceheader{data:0xc0000121b0, len:3, cap:3}
[]
in main reflect.sliceheader{data:0xc0000121b0, len:0, cap:3}

您可以通过重新切片来调整 w 的长度 (playground):

c.visit("target url")
w = w[0:3]
fmt.println(w) // [foo bar baz]

但这意味着您需要事先知道不会导致重新分配的合理容量,以及重新切片的最终长度。

相反,返回一个指向切片的指针:

func getweeks(c *colly.collector) *[]string {
    wks := &[]string{}
    c.onhtml("div.ltbluediv", func(div *colly.htmlelement) {
        weekname := div.dom.find("span").text()
        *wks = append(*wks, weekname) 
    })
    return wks
}

或者将指针传递给 getweeks

func getWeeks(c *colly.Collector, wks *[]string) {
    c.OnHTML("div.ltbluediv", func(div *colly.HTMLElement) {
        weekName := div.DOM.Find("span").Text()
        *wks = append(*wks, weekName)
    })
}

固定演示:https://go.dev/play/p/yhq8YYnkFsv

今天带大家了解了的相关知识,希望对你有所帮助;关于Golang的技术知识我们会一点点深入介绍,欢迎大家关注golang学习网公众号,一起学习编程~

版本声明
本文转载于:stackoverflow 如有侵犯,请联系study_golang@163.com删除
PHP 自动加载的艺术:精雕细琢,优化性能PHP 自动加载的艺术:精雕细琢,优化性能
上一篇
PHP 自动加载的艺术:精雕细琢,优化性能
Java Kubernetes 与 Java:从入门到精通的完整指南
下一篇
Java Kubernetes 与 Java:从入门到精通的完整指南
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    542次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    508次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    497次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    484次学习
查看更多
AI推荐
  • 茅茅虫AIGC检测:精准识别AI生成内容,保障学术诚信
    茅茅虫AIGC检测
    茅茅虫AIGC检测,湖南茅茅虫科技有限公司倾力打造,运用NLP技术精准识别AI生成文本,提供论文、专著等学术文本的AIGC检测服务。支持多种格式,生成可视化报告,保障您的学术诚信和内容质量。
    26次使用
  • 赛林匹克平台:科技赛事聚合,赋能AI、算力、量子计算创新
    赛林匹克平台(Challympics)
    探索赛林匹克平台Challympics,一个聚焦人工智能、算力算法、量子计算等前沿技术的赛事聚合平台。连接产学研用,助力科技创新与产业升级。
    51次使用
  • SEO  笔格AIPPT:AI智能PPT制作,免费生成,高效演示
    笔格AIPPT
    SEO 笔格AIPPT是135编辑器推出的AI智能PPT制作平台,依托DeepSeek大模型,实现智能大纲生成、一键PPT生成、AI文字优化、图像生成等功能。免费试用,提升PPT制作效率,适用于商务演示、教育培训等多种场景。
    58次使用
  • 稿定PPT:在线AI演示设计,高效PPT制作工具
    稿定PPT
    告别PPT制作难题!稿定PPT提供海量模板、AI智能生成、在线协作,助您轻松制作专业演示文稿。职场办公、教育学习、企业服务全覆盖,降本增效,释放创意!
    55次使用
  • Suno苏诺中文版:AI音乐创作平台,人人都是音乐家
    Suno苏诺中文版
    探索Suno苏诺中文版,一款颠覆传统音乐创作的AI平台。无需专业技能,轻松创作个性化音乐。智能词曲生成、风格迁移、海量音效,释放您的音乐灵感!
    60次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议隐私政策
返回登录
  • 重置密码