当前位置：首页 > 文章列表 > Golang > Go问答 > 在 Go 中匹配 html 标签之外的 html 文本的最佳方法是什么？

在 Go 中匹配 html 标签之外的 html 文本的最佳方法是什么？

来源：stackoverflow 2024-04-07 19:48:29 0浏览收藏

今天golang学习网给大家带来了《在 Go 中匹配 html 标签之外的 html 文本的最佳方法是什么？》，其中涉及到的知识点包括等等，无论你是小白还是老手，都适合看一看哦~有好的建议也欢迎大家在评论留言，若是看完有所收获，也希望大家能多多点赞支持呀！一起加油学习~

问题内容

我正在解析一堆 html，如果某些标签包含某些文本，我需要删除它们。通常，我会使用 goquery，但我正在搜索的文本通常位于 html 标签本身之外。例如，这个 html：

<html><body>
this is the start.            
<a href="http://example.com/path">we don't want to match this text.</a>
<a href="http://www.example.com/another/path" style="font-family:arial, helvetica, 'sans-serif'; color:#838383;font-size:12px; line-height:14px"></a> match this text.<a href="blah">we also don't want to match this text</a>
</body></html>

我正在使用这个正则表达式，但它失败并匹配我不想匹配的文本：

(?is)<a[^>]+href=["'](?P<link>.*?)["']*.?> match this text\.

https://regex101.com/r/iexpqc/1

解决方案

像这样，使用 xpath（不是go，但逻辑可以重新实现）：

xmlstarlet ed -d '//a[contains(text(), "want to match")]' file.html

输出

<?xml version="1.0"?>
<html>
  <body>
This is the start.  

<a href="http://www.example.com/another/path" style="font-family:Arial, Helvetica, 'sans-serif'; color:#838383;font-size:12px; line-height:14px"/> match this text.
</body>
</html>