Golang解析HTML，使用<body> </body>标记提取所有内容
如标题所述。我需要返回html文档主体标记中的所有内容，包括后续的html标记等等。我很想知道这样做的最佳方法是什么。我在Gokogiri包中有了一个可行的解决方案，但是我试图远离任何依赖于C库的包。有什么方法可以用go标准库来完成这个任务吗？还是用一个100%的包裹？
自从发布了我最初的问题以来，我一直试图使用以下的软件包，这些包都没有解决问题。(它们似乎都没有从身体内部返回后续的子标记或嵌套标记。例如：
<!DOCTYPE html>
<html>
<head>
<title>
Title of the document
</title>
</head>
<body>
body content
<p>more content</p>
</body>
</html>将返回正文内容，忽略后续的<p>标记及其包装的文本)：
- pkg// xml /(标准库xml包)
- golang.org/x/net/html
总体目标是获得一个字符串或内容，如下所示：
<body>
body content
<p>more content</p>
</body>回答 4
Stack Overflow用户
发布于 2016-08-09 15:48:52
这可以通过递归查找body节点(使用html包)来解决，然后从该节点开始呈现html。
package main
import (
"bytes"
"errors"
"fmt"
"golang.org/x/net/html"
"io"
"strings"
)
func Body(doc *html.Node) (*html.Node, error) {
var body *html.Node
var crawler func(*html.Node)
crawler = func(node *html.Node) {
if node.Type == html.ElementNode && node.Data == "body" {
body = node
return
}
for child := node.FirstChild; child != nil; child = child.NextSibling {
crawler(child)
}
}
crawler(doc)
if body != nil {
return body, nil
}
return nil, errors.New("Missing <body> in the node tree")
}
func renderNode(n *html.Node) string {
var buf bytes.Buffer
w := io.Writer(&buf)
html.Render(w, n)
return buf.String()
}
func main() {
doc, _ := html.Parse(strings.NewReader(htm))
bn, err := Body(doc)
if err != nil {
return
}
body := renderNode(bn)
fmt.Println(body)
}
const htm = `<!DOCTYPE html>
<html>
<head>
<title></title>
</head>
<body>
body content
<p>more content</p>
</body>
</html>`Stack Overflow用户
发布于 2015-05-07 22:11:58
它可以使用标准的encoding/xml包来完成。但有点麻烦。这个例子中的一个警告是，它将不包括封闭的body标记，但是它将包含它的所有子元素。
package main
import (
"bytes"
"encoding/xml"
"fmt"
)
type html struct {
Body body `xml:"body"`
}
type body struct {
Content string `xml:",innerxml"`
}
func main() {
b := []byte(`<!DOCTYPE html>
<html>
<head>
<title>
Title of the document
</title>
</head>
<body>
body content
<p>more content</p>
</body>
</html>`)
h := html{}
err := xml.NewDecoder(bytes.NewBuffer(b)).Decode(&h)
if err != nil {
fmt.Println("error", err)
return
}
fmt.Println(h.Body.Content)
}可运行的示例：
http://play.golang.org/p/ZH5iKyjRQp
Stack Overflow用户
发布于 2015-05-07 22:35:36
由于您没有用html包显示尝试的源代码，所以我不得不猜测您在做什么，但我怀疑您使用的是令牌程序而不是解析器。下面是一个使用解析器并执行您所需要的操作的程序：
package main
import (
"log"
"os"
"strings"
"github.com/andybalholm/cascadia"
"golang.org/x/net/html"
)
func main() {
r := strings.NewReader(`<!DOCTYPE html>
<html>
<head>
<title>
Title of the document
</title>
</head>
<body>
body content
<p>more content</p>
</body>
</html>`)
doc, err := html.Parse(r)
if err != nil {
log.Fatal(err)
}
body := cascadia.MustCompile("body").MatchFirst(doc)
html.Render(os.Stdout, body)
}https://stackoverflow.com/questions/30109061
复制相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号