Go语言用CSS选择器提取HTML文本

package main

import (
    "fmt"
    "strings"
    "github.com/PuerkitoBio/goquery"
)

func main() {
    html := `
    
      
        
fmt.Println
        
log.Printf
        
os.OpenFile
      
    `

    doc, err := goquery.NewDocumentFromReader(strings.NewReader(html))
    if err != nil {
        panic(err)
    }

    // 查找所有 class="funcname" 的元素
    doc.Find(".funcname").Each(func(i int, s *goquery.Selection) {
        text := strings.TrimSpace(s.Text()) // 去除首尾空白
        fmt.Printf("第 %d 个 funcname: %s\n", i+1, text)
    })
}
// 输出：
// 第 1 个 funcname: fmt.Println
// 第 2 个 funcname: os.OpenFile

进阶技巧

• 获取属性值：使用 Attr() 方法，例如 s.Attr("id") 或 s.Attr("data-value")；
• 获取 HTML 内容（含标签）：用 Html()；
• 从远程 URL 解析：直接调用 goquery.NewDocument("https://example.com")（自动发起 HTTP 请求）；
• 处理空匹配：Find() 总是返回非 nil 的 Selection，建议用 Length() 判断是否找到元素：

  if doc.Find(".funcname").Length() == 0 {
      fmt.Println("未找到匹配的 .funcname 元素")
  }

注意事项

• goquery 依赖 net/html，对 malformed HTML 具有较强容错性，但仍建议确保输入 HTML 结构基本合理；
• 若需并发解析多个页面，请注意 goquery.Document 不是 goroutine 安全的，每个 goroutine 应独立创建 Document 实例；
• 对于超大 HTML 文件，可考虑流式解析（配合 goquery.NewDocumentFromReader + io.Reader）以控制内存占用。

掌握 goquery 后，HTML 抓取、数据清洗和简单爬虫开发将变得直观而可靠——CSS 选择器即代码，所见即所得。

以上就是本文的全部内容了，是否有顺利帮助你解决问题？若是能给你带来学习上的帮助，请大家多多支持golang学习网！更多关于Golang的相关知识，也可关注golang学习网公众号。