golang 网络爬虫，忽略表格的特定单元格

Question

我正在开发一个小型网络抓取工具，以了解 golang。它目前正在从表格中的 wiki 中获取信息，然后专门从单元格中获取信息。我目前没有代码（目前不在家里），但它看起来与此非常相似：    func main() {        doc, err := goquery.NewDocument("http://monsterhunter.wikia.com/wiki/MH4:_Item_List")        if err != nil {                log.Fatal(err)        }        doc.Find("tbody").Each(func(i int, s *goquery.Selection) {                title := s.Find("td").Text()                fmt.Printf(title)        })}问题是在这个网站上，第一个单元格是一个图像，所以它打印了我不想要的图像源。如何忽略大表格每一行中的第一个单元格？

Answer 1

让我们澄清一些事情。ASelection是匹配某些条件的节点的集合。

doc.Find()isSelection.Find()返回一个Selection包含与条件匹配的元素的新元素。并Selection.Each()迭代集合的每个元素并调用传递给它的函数值。

因此，在您的情况下，Find("tbody")将找到所有tbody元素，Each()将遍历所有tbody元素并调用您的匿名函数。

在您的匿名函数中s是Selection一个tbody元素。你叫s.Find("td")这将返回一个新的Selection，这将包含所有的td当前表的元素。所以当你调用Text()这个时，它将是每个td元素的组合文本内容，包括它们的后代。这不是你想要的。

您应该做的是Each()在Selection返回的 by上调用另一个s.Find("td")。并检查Selection传递给第二个匿名函数是否有img子函数。

示例代码：

doc.Find("tbody").Each(func(i int, s *goquery.Selection) {

    // s here is a tbody element

    s.Find("td").Each(func(j int, s2 *goquery.Selection) {

        // s2 here is a td element

        if s3 := s2.Find("img"); s3 != nil && s3.Length() > 0 {

            return // This TD has at least one img child, skip it

        }

        fmt.Printf(s2.Text())

    })

})

或者，您可以通过检查传递给第三个匿名函数的索引是否为（第一个子项）来搜索tr元素并跳过td每行的0第一个子项，如下所示：

doc.Find("tbody").Each(func(i int, s *goquery.Selection) {

    // s here is a tbody element

    s.Find("tr").Each(func(j int, s2 *goquery.Selection) {

        // s2 here is a tr element

        s2.Find("td").Each(func(k int, s3 *goquery.Selection) {

            // s3 here is a td element

            if k == 0 {

                return // This is the first TD in the row

            }

            fmt.Printf(s3.Text())

        })

    })

})