当前位置：首页 > 文章列表 > Golang > Go问答 > 如何使用goquery提取自定义html标签的文本？

如何使用goquery提取自定义html标签的文本？

来源：stackoverflow 2024-04-16 20:18:31 0浏览收藏

今天golang学习网给大家带来了《如何使用goquery提取自定义html标签的文本？》，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

我正在尝试将文本提取为自定义 html 标记 ()：

someHtml := `<html><body>Login Successful!</body><!-- <saml-auth-status>1</saml-auth-status><prelogin-cookie>4242424242424242</prelogin-cookie><saml-username>my-username</saml-username><saml-slo>no</saml-slo> --></html>`
query, _ := goquery.NewDocumentFromReader(strings.NewReader(someHtml))
sel:= query.Find("prelogin-cookie")
println(sel.Text())

但它不返回任何内容，只是一个空字符串，我如何获取该 html 标记的实际文本，又名 4242424242424242？

解决方案

找不到，因为它位于 html 注释中。

您的评论实际上是一系列 xml 或 html 标签，如果您使用它作为输入文档，它可能会被处理为 html。

警告。只有下面的第一个解决方案可以正确处理“所有”html 文档。其他解决方案更简单，也可以很好地处理您的情况，但它们可能无法处理某些边缘情况。确定它们是否值得您使用。

1。通过搜索html节点树

查找和提取注释的一种方法是遍历 html 节点树并查找类型为 html.CommentNode 的节点。

为此，我们将使用递归辅助函数来遍历节点树：

func findcomment(n *html.node) *html.node {
    if n == nil {
        return nil
    }
    if n.type == html.commentnode {
        return n
    }
    if res := findcomment(n.firstchild); res != nil {
        return res
    }
    if res := findcomment(n.nextsibling); res != nil {
        return res
    }
    return nil
}

并使用它：

doc, err := goquery.newdocumentfromreader(strings.newreader(somehtml))
if err != nil {
    panic(err)
}

var comment *html.node
for _, node := range doc.nodes {
    if comment = findcomment(node); comment != nil {
        break
    }
}
if comment == nil {
    fmt.println("no comment")
    return
}

doc, err = goquery.newdocumentfromreader(strings.newreader(comment.data))
if err != nil {
    panic(err)
}

sel := doc.find("prelogin-cookie")
fmt.println(sel.text())

这将打印（在 Go Playground 上尝试）：

4242424242424242

2。使用 `strings`

如果您只需要处理“手头的文档”，一个更简单的解决方案可能是使用 strings 包来查找评论的开始和结束索引：

start := strings.index(somehtml, "<!--")
if start < 0 {
    panic("no comment")
}
end := strings.index(somehtml[start:], "-->")
if end < 0 {
    panic("no comment")
}

并使用它作为输入：

doc, err := goquery.newdocumentfromreader(strings.newreader(somehtml[start+4 : end]))
if err != nil {
    panic(err)
}

sel := doc.find("prelogin-cookie")
fmt.println(sel.text())

这将输出相同的结果。请在 Go Playground 上尝试一下。

3。使用 `regexp`

先前解决方案的一个更简单（但效率较低）的替代方案是使用正则表达式从原始文档中获取注释：

comments := regexp.MustCompile(`<!--(.*?)-->`).FindAllString(someHtml, -1)
if len(comments) == 0 {
    fmt.Println("no comment")
    return
}

doc, err := goquery.NewDocumentFromReader(strings.NewReader(
    comments[0][4 : len(comments[0])-3]))

拨打 Go Playground 试试这个。

以上就是《如何使用goquery提取自定义html标签的文本？》的详细内容，更多关于的资料请关注golang学习网公众号！

版本声明

本文转载于：stackoverflow 如有侵犯，请联系study_golang@163.com删除