通过net/html从HTML中获取数据

Question

我看到net/html的性能比GoQuery快2-3倍，我想在它上重写解析器模块。需要在截图中加下划线的数据。现在的结果是“零”

resp, err := http.Get(link)
if err != nil {
    fmt.Println(err)
}
var result string
doc, err := html.Parse(resp.Body)
resp.Body.Close()
if err != nil {
    fmt.Println(err)
}

if doc.Type == html.ElementNode && doc.Data == "profile-data__count-number" {
    for _, a := range doc.Attr {
        if a.Key == "em" {
            result = a.Val
        }
    }
    fmt.Println(result)

​

​

Answer 1

请注意，类是一个HTML 属性，因此在Node.Data中查找class="profile-data__count-number"永远不会导致匹配。相反，您应该在Node.Attr中查找。

如果我没有弄错，令牌程序应该比解析器更少浪费，所以做下面这样的操作会给您带来更好的性能，我认为：

func getCounts(respBody io.Reader) (counts []string, err error) {
    z := html.NewTokenizer(respBody)
    for {
        if z.Next() == html.ErrorToken {
            if err := z.Err(); err != io.EOF {
                return nil, err
            }   
            break
        }

        t := z.Token()
        if t.Type == html.StartTagToken && t.Data == "div" {
            for _, a := range t.Attr {
                if a.Key == "class" && a.Val == "profile-data__count-number" {
                    if z.Next() == html.TextToken {
                        counts = append(counts, z.Token().Data)
                        break
                    }
                }
            }
        }
    }
    return counts, nil
}